创建标签（标注）

标签是用户生成的输入数据，用于建立工具的基本事实。真值是指有关应用程序中图像的毋庸置疑的事实，也就是说由人所确定的图像中的关键信息（特征、字符、缺陷、类）。标签建立了基本事实，可用于训练和性能分析。因此，必须准确地进行标注。

什么是标注

由于 Deep Learning 软件基于学习，因此向网络传授的关于图像的知识非常重要。在 Deep Learning 的说法中，这个过程称为“标注”。标注是用户识别特征或缺陷并在图像上以图形方式说明特征或缺陷的过程。标签为工具呈现“真值”，用于训练工具并验证其性能。

标签为工具呈现“基本事实”，也就是您告诉工具，这是它应该学习的东西。对工具编程最重要的部分是确保用于训练的图像被完全、准确地标注。在不知道图像的真值数据的情况下，您无法判断工具是否正常工作。此外，如果没有准确的标注，工具的训练也不会起作用。

在评估工具和应用程序的性能时，会始终根据您提供的标注来衡量。如果您的标注未能反映图像的实际真值，那么即使工具性能准确且可重复，也没有任何意义。在您训练 Deep Learning 工具时，训练目标 – 成本函数 – 会尝试训练工具以产生与您提供的标注精确匹配的响应。

每个工具都需要手动标注（有关如何为每个工具执行标注的详细信息，请参见下文）。良好标注的最重要特征是图像之间、观察者和标注者之间的一致性。如果您将图像集提供给多个人进行标注，而他们的标签不一致，则工具可能无法正常工作。

每个工具的过程都有略微区别，但原理是相同的。标注完成后，即可训练工具，并检验工具提供的标记。可以使用 Alt + 左箭头键和 Alt + 右箭头键，或者从图像的右键菜单中切换标签和标记的显示。

您还可以通过在叠加复选框中启用“标签”来显示叠加。

在红色分析聚焦无监督中标注

在红色聚焦 - 无监督模式下，提供给训练集的视图仅限良好视图（换句话说，图像不包含任何缺陷）。在训练工具之前，您必须首先将视图标注为良好才能构建训练集。对于测试集，您还需要包含具有不良标签的视图（换句话说，图像包含缺陷），才能正确评估工具的性能。在训练之前正确标注视图非常重要，因为错误标注的视图会对训练产生负面影响 - 工具无法正确学习什么是或不是缺陷。

视图被标注后，视图将在右上角用绿色或红色条纹表示：

“良好”标签	“不良”标签

您可以使用两种不同的方法来标注视图：

在视图的图像显示区域（GUI 概述）上单击一次或两次。

单击一次即可将图像标记为良好，双击会将图像标记为不良，点击三次会启动一个对话框，允许您将标签重置为良好。
使用视图列表区域中的 N 个视图操作菜单选项：

当您要标注大量图像时，此选项非常有用。选择此选项将启动“标签视图”对话框，您可以在其中将所有图像定义为良好或不良。

Note: 在红色分析工具中，默认区域名称为“偏差”（应用于非监督模式区域的名称）和“缺陷”（应用于监督模式区域的名称）。在工具中可能会混合使用区域名称。这在以下情况下可能会遇到：

创建一个红色分析工具，并将其保留为默认的无监督模式，然后设置该工具的 ROI。
打开“数据库概述”。
启动“编辑区域”功能，绘制一些缺陷并应用更改。
在“编辑区域”编辑器仍然打开的情况下，将工具从其默认模式（无监督）切换为“监督”。
选择另一个视图，绘制一些缺陷并应用更改。
请注意，“视图”列表和“数据库概述”中的缩略图将与“编辑区域”编辑器中的名称不同步。

要解决命名差异，请关闭“编辑区域”编辑器并切换模式，这将导致工具合并然后正确地重命名区域。

Note: 您还可以图像文件、JSON 文件或采用 VisionPro Deep Learning 内部标签格式的文件的方式导入标签，请参阅 Cognex 标签导入/导出插件。

如何快速标注：引导程序标注

您可以考虑使用标注图像的引导程序方法来加快每个工具的标注过程。“引导程序”标注是指通过仅标注小样本量的图像来开始标注过程，然后训练工具，通过接受带有正确标记的视图以将其转换为标签来检查结果，最后删除错误标记并用正确的标签替换它们。通过将图像划分为多个视图并仅标注单个视图，可以进一步加快此过程。此外，还可以临时减少训练参数中的“训练期计数”，这将缩短训练时间。

在您的训练集中标注一些图像。
训练工具。
查看图像和结果。
接受工具标记准确的视图（右键单击并选择“接受视图”或按下“Ctrl + Shift + A”）。这会将标记更改为标签。对于监督模式下的红色分析工具，您可能必须编辑缺陷区域。对于不准确的标记，请从图像中移除（右键单击并选择“清除标记”，或按下“Ctrl + C”），然后添加正确的标签。