在机器学习中，当我们基于某个业务建立模型并训练后，接下来我们需要评判模型好坏的时候需要基于混淆矩阵，ROC和AUC等来进行辅助判断。混淆矩阵也叫精度矩阵，是用来表示精度评价，为N *N的矩阵，用来判别分类好坏的指标。混淆矩阵中有以下几个概念：TP(True Positive): 被判定为正样本，实际也为正样本FN(False Negative)
转载
2024-10-17 06:27:16
123阅读
本人计算机小白一枚，将自己学到的知识点整理出来，一方面是对自己学习的小总结，另一方面是欢迎大家批评指正。如果觉得写得还可以，大家可以转发关注此博客，谢谢！后续会有新算法持续更新~.一.混淆矩阵（一）.简介 在人工智能中，混淆矩阵（confusion matrix）是可视化工具，特别用于监督学习，在无监督学习一般叫做匹配矩阵。在图像精度评价中，主要用于比较分类结果和实际测得值，可以把分类结果的精度
转载
2023-10-23 19:28:04
420阅读
# 深度学习模型混淆矩阵实现指南
## 一、流程概述
在实现深度学习模型混淆矩阵之前，首先需要明确整个实现流程。下面是实现混淆矩阵的步骤：
| 步骤 | 描述 |
|---|---|
| 1 | 导入必要的库和数据 |
| 2 | 加载预训练的深度学习模型 |
| 3 | 进行预测和真实标签的对比 |
| 4 | 构建混淆矩阵 |
| 5 | 可视化混淆矩阵 |
接下来，我们将逐步介绍每个
原创
2024-06-25 04:38:15
129阅读
图像分割算法总结1.评价指标：普通指标：Pixel Accuracy(PA,像素精度)：标记正确的像素点占所有像素点的比例。混淆矩阵中=\(\frac{{\rm{对角线}}}{总和}\)Mean Pixel Accuracy（MPA 均像素精度）：计算每个类内被正确分类像素数的比例，再求所有类的平均。混淆矩阵中=\(\frac{{\rm{对角线值}}}{对角线所在的每行和}\)mean IU（MI
文章目录混淆矩阵1.简介2.举例3.confusion_matrix函数的使用3.1实现例子13.2实现例子23.3实现例子3 混淆矩阵 混淆矩阵也称误差矩阵，是表示精度评价的一种标准格式，用n行n列的矩阵形式来表示。具体评价指标有总体精度、制图精度、用户精度等，这些精度指标从不同的侧面反映了图像分类的精度。 在人
转载
2024-05-14 19:19:48
873阅读
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和环境后，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和看法，参照深度学习的自带案例（classify_fru
转载
2023-11-14 12:47:57
1218阅读
机器学习模型评价指标 – 混淆矩阵在机器学习领域中，混淆矩阵（confusion matrix）是一种评价分类模型好坏的形象化展示工具。其中，矩阵的每一列表示的是模型预测的样本情况；矩阵的每一行表示的样本的真实情况。1. 混淆矩阵的举例例如用一个分类模型来判别一个水果是苹果还是梨，混淆矩阵将会模型的预测结果总结成如下表所示的表格。模型预测结果苹果真实结果苹果10梨3通过上述表格可以看出，样本的数量
转载
2024-07-08 16:12:14
53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
转载
2023-12-01 10:12:07
1132阅读
文章目录二分类的评价指标一、混淆矩阵与 TP、TN、FP、FN二、准确率、精确率、召回率、F1值三、P-R 曲线四、ROC 曲线、AUC 值五、P-R曲线和ROC曲线有什么区别，如何选择？多分类的评价指标References 二分类的评价指标对于二分类问题，机器预测的和实际的还是会有所偏差，所以我们引入以下几个概念来评价分类器的优良。一、混淆矩阵与 TP、TN、FP、FN混淆矩阵 &n
转载
2024-08-01 16:04:37
229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
转载
2023-12-28 17:06:52
491阅读
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
转载
2023-12-21 09:58:24
360阅读
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
转载
2023-06-29 15:53:06
1126阅读
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
转载
2023-09-24 08:27:39
565阅读
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
转载
2023-07-12 16:00:14
824阅读
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，也就是图像和方法所需的信息。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
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：
转载
2024-01-26 09:20:49
297阅读
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
转载
2023-12-04 21:29:45
471阅读
本教程全部基于Halcon12.0开发环境窗口布局打开halcon后 基本布局从上到下依次是文件栏、工具栏、以及图形窗口和程序编辑器，打开变量窗口或者算子窗口会显示相应的窗口。 a.通过文件栏—>窗口—>打开窗口名称来打开相应窗口 b.如果发现窗口比较乱，可以通过文件栏—>窗口—>排列窗口进行初始化窗口位置1.图形窗口 图形窗口显示每一行代码显示的图想，图像窗口上的工具栏可
转载
2023-07-21 15:05:29
390阅读
HALCON学习之旅(四) 文章目录HALCON学习之旅(四)1、如何对区域进行反选，补集，交集，合并操作2、如何对区域进行填充操作3、如何根据区域特征过滤区域4、如何画各种交互ROI图形5、读写Region区域6、读写XLD轮廓 1、如何对区域进行反选，补集，交集，合并操作反选：**************反选**************
*打开一个新的图形窗口
dev_open_window(
转载
2023-09-02 10:31:28
689阅读
第十四课 颜色识别11、 HSV：H色度、S饱和度、V亮度2、 学习机器视觉要掌握这些内容。3、 HSV弱点：受光照影响非常大！4、 不同的H值对于不同的颜色。5、 demo - 应用范围 - 颜色检测 - color_simple: 核心函数： decompose3 (Image, Red, Green, Blue) trans_from_rgb (Red, Green, Blue, Hue,
转载
2023-09-27 17:11:04
317阅读
