HALCON 20.11:深度学习笔记(6)---有监督训练HALCON 20.11.0.0中,实现了深度学习方法。不同的DL方法有不同的结果。相应地,它们也使用不同的测量方法来确定网络的“好坏”。在训练一个网络时,不同的模型会有不同的行为缺陷,我们将在这里进行描述。训练中的验证当涉及到网络性能验证时,重要的是要注意,这不是一个纯粹的优化问题(参见上面的“网络训练过程”“设置训练参数”部分)
转载 2024-01-20 22:38:10
187阅读
【《zw版·Halcon与delphi系列原创教程》 图像开发的p2s模式:halcon+opencv的联动      尽管halcon功能强大,基本上cv只是halcon的一个子集,不过cv毕竟是开源的、免费的(open+free),而halcon的价格,就想双立人的刀具一样,德国货,的确不便宜。    &
C#与Halcon联合编程    Halcon作为一款强大的图形图像处理软件,可对工作中遇到的各种图像进行处理,同时还有功能强大的算子以及很全面的例程,作为进行处理的主程序是非常不错的。但是,halcon依旧有缺陷,就是无法做到图形化界面的建立,故需要和其他软件联合编程才行。还好,halcon可以导出成各个语言进行二次开发。本文即介绍如何用halconC#进行联合开发。
《zw版·Halcon-delphi系列原创教程》cgal与opencv,Halcon      opencv作为少有的专业开源图像软件,虽然功能,特别是几何计算方面,不如Halcon,不过因为开源,作为教学,讲解图像分析原理,还是不错的。      不过,笔者个人认为,老牌开源几何计算库CGAL,同样是开源软件,作为图像教学可能更加适合
转载 2024-01-29 23:25:21
230阅读
# Halcon 深度学习与 Python 的区别 在现代计算机视觉图像处理的领域,深度学习机器学习的应用变得越来越普遍。其中,Halcon Python 都是使用深度学习进行图像处理的流行选择。本文将从多个角度探讨 Halcon 深度学习 Python 的区别,并通过代码示例帮助读者更好地理解两者的不同之处。 ## 1. Halcon 简介 Halcon 是一款功能强大的商业图像
原创 8月前
216阅读
一、强分类器训练过程算法原理如下(参考自VIOLA P, JONES M. Robust real time object detection[A] . 8th IEEE International Conference on Computer Vision[C] . Vancouver , 2001.)给定样本 (x1; y1) , . . . , (xn; yn) ; 其中yi = 0表示负样
HALCON分类器:  1、多层神经网络(MLP)   /2、 支持向量机(SVM) : 一种监督学习的方法,广泛用于统计分类及回归分析;    /3、 K-最邻近 (K-NN)    /4高斯混合类型(GMM)4个分类器的主要优势劣势如下:多层感知机:MLP分类器会有一个好的识别率且分类速度更快。作为交换,其训练没
opencv_机器学习-Haar特征+adaboost分类器介绍 1.训练终止条件: 1)迭代的最大次数或循环终止次数大于某个值时迭代终止 2)每次检测完后都有一个检测概率,当训练过程大于最小检测概率时训练终止 2.adaboost分类器的结构: 强分类器的作用将弱分类器计算得到的特征适用于判决 两级强分类器haar>T1 and haar>T2 强分类器个数一般为1520个,运算出来
目录前言一、准备1、选取深度学习的分类模型2、获取模型中所使用图像的参数要求3、准备分类所需图片二、编写代码1、设置窗体2、将图片打上标签3、将图片处理为分类模型所需要的图片4、将图片的数据集进行拆分5、设置分类模型所需的参数环境后,重新生成一个新的分类模型6、训练7、验证8、测试三、本地函数四、下载地址 前言最近学习深度学习时的一些总结看法,参照深度学习的自带案例(classify_fru
转载 2023-11-14 12:47:57
1218阅读
文章目录前言一、数据集的准备1.标注工具的安装2.数据集的准备3.标注数据4.解释xml文件的内容二、数据转换1.解析XML文件2.转换得到hdev文件1.变量定义2.读取种类3.解析trainList.txt4.生成字典三、模型训练1.参数定义2.创建目标检测模型3.数据预处理4.显示标注文件5.模型训练1.学习率设置2.初始化训练模型3.模型训练四、模型评估1.初始化模型2.创建模型及训练模
  1.draw_region( : Region : WindowHandle : )利用鼠标交互画一个闭合区域。点左键画图,右键结束,输出为鼠标画的闭合区域。控制输入为窗口句柄。2.dev_display(Object : : : )在图形窗口显示输入的图形对象 (image, region, or XLD)3.reduce_domain(Image, Region :
转载 1月前
396阅读
引言机器视觉中缺陷检测分为一下几种:blob分析+特征模板匹配(定位)+差分光度立体特征训练测量拟合 频域+空间域结合:深度学习本篇博文主要是对缺陷图像的纹理特征训练进行详细分析。特征训练在纹理中找瑕疵。基于高斯混合模型(GMM)分类器的纹理检查模型,适用于图像金字塔,可以分析纹理的多个频率范围。要求:训练样本必须完美无瑕疵。整体步骤:创建模型create_texture_inspection_m
Halcon提供了预训练网络。这些网络在使用前已经经过丰富的图像库训练过,在此基础上训练出的网络对于图像分类任务表现更好。接下来分别介绍Halcon提供的预训练网络。pretrained_dl_classifier_compact.hdl模型网络的优点是节省内存以及运行效率高。 模型支持‘real’图像类型。如果想知道网络模型各参数值,可以使用算子get_dl_classifier_param获取
1、set_dl_model_param(DLModelHandle, 'gpu', GpuId) GpuId=0 选中第一块显卡做深度学习训练。 GpuId=1 选中第二块显卡做深度学习训练。 类推查询可用多显卡信息 query_available_compute_devices(DeviceIdentifier) //一块显卡输出[0],两块是[0,1],依次类推get_compute
HALCON图像处理总流程 一、程序初始化 二、获取图像(获取信息) 三、预处理 四、分割图像 五、形态学处理 六、特征提取 七、输出结果  一、程序初始化图像处理基准,在使用HALCON时,可以省略,因为程序初始化有默认值。 1、打开一个新的窗口; 2、设置填充模式; 3、设置线的颜色; 4、设置线宽; 5、设置窗口中显示的字体样式; 6、重新打开一个新窗口 7、关闭显示窗口 8、其他
课题需要对图像中的缺陷进行尺寸评价,开发环境是Halcon。选择使用最小外接矩形方法,原因主要是可获得的评价参数多:长度,宽度,角度,长宽比,面积通过长宽比参数可以判定缺陷形状获取最小外接矩形的过程: 这里是做测试的原图图像分割 选取合适的阈值比较困难。考虑到是工厂环境,采光可能不均匀,也为了测试方便(主要使用手机拍照,光源是环境光和手机闪光灯), 采用动态阈值分割法,Halcon提供了一个函数:
最近想学习一下机器视觉 用到的库是Halcon 自己到网上找halcon的教程不是收费的 就是随便搞搞的 没有能系统去学习的知识体系 而且大多博主可能就一篇教程 对于新手来说 简直是致命的 出现了有人想学 没人牵头的状况 为了让大家了解如何去使用halcon 我准备探索之后出一套halcon系列的教程 如果你也在学halcon 可以点个收藏 一起学习 首先halcon软件打开后是这个样子的 可以看
HDevelop 编程翻译自HDevelop users guide第4章 ByYC本章阐述如何使用HDevelop创建一个机器视觉应用。HDevelop应该是默认设置。如果不是,使用命令行 hdevelop –reset_preferences打开HDevelp即可。本章处理一个简单的例子,统计下图中别针的数量及方向。1. FileàNew(文件à新程序),创建一个新程序2.读取图像并存入图标参
HALCON 20.11:深度学习笔记(2)HALCON 20.11.0.0中,实现了深度学习方法。由于上面提到的DL方法在它们的作用和它们如何需要数据方面各不相同,所以您需要知道哪种方法最适合您的特定任务。一旦清楚了这一点,您就需要收集适当数量的数据,也就是图像方法所需的信息。然后,所有这些DL方法都有一个通用工作流:1. 准备网络和数据(Prepare the Network and the
转载 2023-12-13 02:35:23
132阅读
目录2、OpenCV的预处理(1)、OpenCV预处理算子(2)、力推 贾志刚老师教程红胖子等(3)、网站为的国站,尤其是【learnopencv】等结尾2、OpenCV的预处理 OpenCV [开源库]介绍          OpenCV是一个基于BSD许可(开源)发行的跨平台计算机
  • 1
  • 2
  • 3
  • 4
  • 5