halcon19.11深度学习关于分类入门案例

最新推荐文章于 2025-09-28 13:51:58 发布

原创

最新推荐文章于 2025-09-28 13:51:58 发布 · 4.8k 阅读

63 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习

本文介绍了如何使用HALCON19.11进行深度学习图像分类，包括配置环境、准备训练集、训练模型、评估模型和测试模型的详细步骤。通过实例展示了数据预处理、模型训练及评估的过程，并提供了关键代码片段。

halcon19.11深度学习分类

关于配置环境

首先，如果你想使用halcon19.11学习深度学习，那么请保证你的电脑拥有独立显卡，关于配置的要求和如何进行配置，请参考这篇博文，传送门。

准备训练集

halcon准备训练集比较简单，只需要用户将自己分好类的图片放在不同的文件夹，每一类放入一个文件夹，文件夹的名字就是该类图片的类名。然后用代码进行处理即可。

我在D:/lixinze/halcon深度学习目录下放了两类图片，分别是D:/lixinze/halcon/huolong D:/lixinze/halcon/miaowa 博主分类的是数码宝贝图片。

huolong文件夹下存放的全是火龙的图片，miaowa文件夹下存放的全是妙蛙种子的图片。所有图片必须是3通道图片。

dev_update_off ()
*存放分类图片的上一级路径
RawImageFolder := 'D:/lixinze/halcon深度学习/'
*存放预处理数据的总路径
ExampleDataDir:= 'D:/lixinze/halcon深度学习/class_data'
*存放预处理数据的二级路径
DataDirectoryBaseName := ExampleDataDir + '/dldataset_pokeman'
*默认参数,用来预处理数据集的
LabelSource := 'last_folder'
* 
*分割数据集的百分比。
*训练集
TrainingPercent := 70
*验证集
ValidationPercent := 15
* 
* 用户想要输入的图像大小，可更改
ImageWidth := 900
ImageHeight := 500
ImageNumChannels := 3
* 
*用于图像预处理的其他参数。
NormalizationType := 'none'
DomainHandling := 'full_domain'
* 
*为了获得可复制的分割，我们设置了一个随机种子。
*这意味着重新运行脚本将导致DLDataset的相同拆分。
SeedRand := 42
*设置随机种子。
set_system ('seed_rand', SeedRand)
* 
*使用过程read_dl_dataset_classification读取数据集。
*或者，您可以使用read_dict（）读取由MVTec深度学习工具创建的DLDataset字典。
read_dl_dataset_classification (RawImageFolder, LabelSource, DLDataset)
*分割数据集
split_dl_dataset (DLDataset, TrainingPercent, ValidationPercent, [])
*创建输出目录（如果尚不存在）。
file_exists (ExampleDataDir, FileExists)
if (not FileExists)
    make_dir (ExampleDataDir)
endif
* 
*创建预处理参数。
create_dl_preprocess_param ('classification', ImageWidth, ImageHeight, ImageNumChannels, -127, 128, NormalizationType, DomainHandling, [], [], [], [], DLPreprocessParam)
* 
*数据集目录，用于由preprocess_dl_dataset编写的任何输出。
DataDirectory := DataDirectoryBaseName + '_' + ImageWidth + 'x' + ImageHeight
* 
*预处理数据集。 这可能需要几秒钟。
create_dict (GenParam)
set_dict_tuple (GenParam, 'overwrite_files', true)
preprocess_dl_dataset (DLDataset, DataDirectory, DLPreprocessParam, GenParam, DLDatasetFileName)
* 
*单独存储预处理参数以便使用，例如 在推论过程中。
PreprocessParamFileBaseName := DataDirectory + '/dl_preprocess_param.hdict'
write_dict (DLPreprocessParam, PreprocessParamFileBaseName,