1.2 分别修改两个AppConfig.xml文件中的配置。
鼠标右键点击文件并选中编辑
将配置文件修改为如下内容,注意标红位置,按如下修改:
<?xml version="1.0" encoding="UTF-8"?>
<Root>
<LocalUrl>http:// 10.64.62.11:8099</LocalUrl>
<UserName>admin</UserName>
<Password>Abc12345</Password>
<LangSet>DefaultCH</LangSet>
<BaseUrl>https://ai.hikvision.com</BaseUrl>
<AppKey>59f553ea9283478a99ebe100b8c89736</AppKey>
<AppSecret>15bbcf83c6a9497ca90da916500dc23f</AppSecret>
<IsLimitIter>True</IsLimitIter>
</Root>
2.2 平台选择
VM平台:训练出来之后,在PC上运行的;
SC平台:训练出来之后,在相机内部运行的;
单件分离:选择SC平台
供包台:选择SC平台
2.3 训练类型
单件分离:选择图像分割模块
供包台:选择图像分割模块
读码门扣标签(面单):选择目标检测模块
读码门包裹分割:选择目标检测模块
⚫读码门扣标签(面单):还是采用DetectTrainData.txt格式文件名文件
⚫读码门包裹分割:还是采用DetectTrainData.txt格式文件名文件
1) 选择本地服务器(对内),也可以选择云服务器(对外);
2) 迭代轮次:建议设置50-100,设置越大,时间越长;
3) 版本:选择SC110
4) 模型生成位置:VisionTraion 1.3.0版本安装目录下的\DeepLearningModel文件夹;
5) 模型名称,可自行设置;
6) 点击:开始训练
⚫开始上传文件;
⚫计算训练时间,等待训练完成
4.2 选择VM平台
7) 选择本地服务器(对内),也可以选择云服务器(对外);
8) 迭代轮次:建议设置50-100,设置越大,时间越长;
9) Patch大小:选择小(默认)
10) 模型能力:选择普通(默认)
11) 角度能力:开启(默认)
12) 版本:选择Vm340
13) 是否减枝、是否增强:关闭(默认)
14) 模型生成位置:VisionTraion 1.3.0版本安装目录下的\DeepLearningModel文件夹;
15) 模型名称,可自行设置;
16) 点击:开始训练
⚫ 开始上传文件;
⚫计算训练时间,等待训练完成
4.3 补充说明:
1.训练完成之后,算法可以根据曲线大致判断训练好坏,或根据步骤五进行验证判断,决定是否需要重新训练;
训练结果如下所示:会有以下几个文件
1) SC+目标检测:面单识别
SC.model结尾的可以用于模型转换(转sc7000的bin),见步骤六
SC.VM.bin结尾的可以用于VM验证模型训练结果,见步骤五
2) VM+目标检测:包裹分割
VM.bin结尾的可以用于VM验证模型训练结果,见步骤五
2.训练完成之后,训练结果需通过算法进行再度优化,才能进行使用;
如果是简单的面单识别,无需过滤等操作,可直接进行模型转换,详细可见步骤六模型转换,如果需要有条码、Logo等其他过滤,先提供给算法;
注意:如果曲线慢慢收敛,说明效果还需进行下面的VM测试;
如果有曲线突变,说明有图片打标有问题,需在打标环节将有问题的图片一张张排查,找出有问题的图片,删除或重新修改这张图片;
点击模型转换 – 下载即可,导出结果如下: