Halcon DeepLearning初识

Halcon提供三种类型神经网络：

1、Classification（分类）

2、Object Detection（目标检测）

3、Semantic Segmentation（语义分割）

工作流程：

    一、准备网络和数据

• 使用的网络：可以使用预训练过的网络或者创建一个新的网络，我使用的是18.11.1.0版本有三种网络供选择：
   'pretrained_dl_classifier_compact.hdl'：需要图像格式为'real'，该网络不包含全连接层，要求最小图片尺寸大于15*15
  'pretrained_dl_classifier_enhanced.hdl'：比上个能处理更复杂的图像，需要图像格式为'read'，最小尺寸要求大于47*47，
  'pretrained_dl_classifier_resnet50.hdl'：需要图像格式为'real'，最小尺寸要求大于32*32.
  上述三种网络均需要设置基本参数：'image_width'，'image_height'，'image_num_channels'，'image_range_min'，'image_range_max‘，即图像宽高、通道数、灰度范围。
• 准备数据：分类好训练样本的种类
• 准备对应需求的大量图片（例如：图像维度、灰度范围等），在原图基础上还需要进行预处理，剔除背景影响，最大程度突出主体部分。
  预处理操作：阈值化，提取特征roi，转换图像格式到'real'，合成3通道图像等等。
• 做好训练集、验证集、测试集：一般地按照70%，15%，15%比例分类。

     二、训练网络和评估训练进度

• 设置超参数适用任务和系统
  set_dl_classifier_param：设置'batch_size'，'batch_size_device'，'classes'，'gpu'，'image_width'，'image_height‘，'image_num_channels'，'image_dimensions'，'learning_rate'，'momentum’，'runtime'，'runtime_init'，'weight_prior'

  参数名	名称	定义	运用
  批量大小	batch_size	批处理中图像(和相应标签)的数量，即在一次训练迭代中同时处理的图像数量。	set_dl_classifier_param(DLClassifierHandle,'batch_size‘,Batch_Size)
  批量大小设备	batch_size_device	传输到设备存储器的批处理中的图像数目。设置为小于等于批量大小。	set_dl_classifier_param (DLClassifierHandle,'batch_size_device‘,Batch_Size)