Vision Train 1.3.0本地云训练步骤
本文主要讲解如何使用Vision Train 1.3.0来进行本地云训练,并详细介绍了如何配置和使用Vision Train 1.3.0,仔细阅读本文将受益匪浅。

一:配置IP,账户等

(说明:已配置完成的无需再次配置,可跳过)
1.1 更改本地VisionTrain 1.3.0安装目录下的配置文件:
在本地电脑找到VisionTrain 1.3.0安装目录,并在里面搜索:AppConfig.xml,会搜到两个文件:AppConfig.xml文件在下面两个文件夹内:
H:\D\software\VisionTrain1.3.0\Applications\LangXML
H:\D\software\VisionTrain1.3.0\Applications\myLibs

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>

二:平台、训练类型选择

2.1 打开VisionTrain 1.3.0软件

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

三:文件加载,点击下一步

3.1 文件名修改(注意:需把图片和打标生成文件均拷入)
⚫单件分离:需把文件名改成InstanceTrainData.txt
⚫供包台:需把文件名改成InstanceTrainData.txt
注:如果打标生成的文件是DetectTrainData.txt,需改成InstanceTrainData.txt(针对单件分离和供包台)

⚫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


四:训练参数设置

4.1 选择SC平台

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;

五:验证训练结果

5.1 举例包裹分割模型训练效果:
⚫安装3.4.0版本VM;(注意使用vm6000加密狗)
新建程序


六:模型转换

⚫ 如果是用在PC上的(训练是选择VM平台的),比如包裹分割,不需要模型转换,直接给软件使用
⚫如果是用在SC平台上的(训练时选择SC平台的),比如读码门面单识别,需要使用以下工具进行转换(转sc7000的bin)
SC模型转化新网址: http://10.2.158.249:8099/

点击模型转换 – 下载即可,导出结果如下:

七:相机导入(针对跑在读码相机内部的)

1. 选择相机文件存取,选择Algo Mode,导入即可,导入之后重启相机。




版权声明:本文为V社区用户原创内容,转载时必须标注文章的来源(V社区),文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件至:v-club@hikrobotics.com 进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容。
上一篇

RGB-D 智能立体相机SDK

下一篇

网口相机丢包问题解决方法

评论请先登录 登录
全部评论 0
Lv.0
0
关注
15
粉丝
9
创作
26
获赞
相关阅读
  • [共享学习]VM之角度纠正问题
    2024-03-07 浏览 0
  • 机器视觉菜鸟指南
    2024-02-29 浏览 0
  • 基于C++OpenCV实现VisionMaster中的“直线边缘缺陷检测”
    2024-03-04 浏览 0

请升级浏览器版本

您正在使用的浏览器版本过低,请升级最新版本以获得更好的体验。

推荐使用以下浏览器