【halcon深度学习之那些封装好的库函数】preprocess_dl_dataset

2023-12-21 19:20

本文主要是介绍【halcon深度学习之那些封装好的库函数】preprocess_dl_dataset,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

函数分析

preprocess_dl_dataset 是一个用于预处理深度学习数据集的程序。以下是该程序的详细介绍:

参数:

  • DLDataset (输入): 要进行预处理的 DLDataset 字典。

  • DataDirectory (输入): 存储数据的路径。默认值是 ‘dl_dataset’。

  • DLPreprocessParam (输入): 包含预处理参数的字典。

  • GenParam (输入): 具有通用参数的字典。默认值为空字典。

  • DLDatasetFileName (输出): 写入的 DLDataset 字典的文件路径。

详细描述:

该程序根据包含在字典 DLPreprocessParam 中的参数对字典 DLDataset 中的样本进行预处理。预处理的结果包括修改后的 DLDataset 字典以及每个样本的预处理后字典 DLSample。这些字典将被写入到指定的 DataDirectory 中,同时该目录的名称和路径将被返回到字符串 DLDatasetFileName 中。

此程序接受字典 GenParam 中的以下通用参数:

  • ‘overwrite_files’: 确定是否覆盖可能存在的目录。

    • ‘true’: 在写入文件之前删除可能存在的目录 DataDirectory
    • ‘false’(默认): 如果目录存在,则抛出错误。
    • ‘auto’: 只有在有必要时才进行预处理。为了重用可能存在的目录 DataDirectory,它必须包含与输入的 DLDatasetDLPreprocessParam 对应的完全预处理的数据集。
  • ‘show_progress’: 如果设置为 true,则在窗口中显示预处理的进度。默认为 true。

  • ‘class_weights’: 为 DLDataset 中的每个类别设置权重。

    • 如果设置为 [],则使用 calculate_dl_segmentation_class_weights 计算类别权重。仅适用于 ‘type’ 为 ‘segmentation’ 的模型。
    • 默认值是 []。
  • ‘max_weight’: 设置 calculate_dl_segmentation_class_weights 的 ‘max_weight’ 参数。详细信息请参阅相应的文档。仅适用于 ‘type’ 为 ‘segmentation’(分割) 的模型。

    • 默认值是 []。

步骤:

该程序执行以下步骤:

  1. 使用 gen_dl_samples 为每个样本生成一个 DLSample 字典。
  2. 使用 preprocess_dl_samples 进行标准预处理。
  3. 使用 write_dictDLSample 字典写入文件,并将文件的路径存储在 DLDataset 字典的 ‘dlsample_file_name’ 条目中。
  4. 将包括生成和预处理的 DLSample 字典的路径的 DLDataset 字典写入 DLDatasetFileName 文件。

对于 ‘type’ 为 ‘segmentation’ 的模型,还会执行以下额外的步骤:

  1. 使用 calculate_dl_segmentation_class_weights 计算类别权重。
  2. 为每个 DLSample 生成一个权重图像,并保存更新后的 DLSamples

注意:

请注意,在预处理之后,请勿更改此文件夹的内容。

使用分析

首先通过 create_dl_preprocess_param_from_model 这个函数把模型里设置的参数,提取出来。所以 preprocess_dl_dataset 一是需要即将被处理的数据集字典,而是需要模型已经配置好的参数。此函数会根据模型里的参数对数据集进行预处理!
那为啥需要预处理呢?

首先,我从使用的过程观察,当参数 show_progress 被设置为 true的时候,此时会产生一个弹框,显示预处理的过程,这个过程大概从几十秒到几分钟不等:
在这里插入图片描述
过程完成之后,你会发现在第二个参数指定的文件夹下,会多长一个文件和一个文件夹:
在这里插入图片描述
如果使用 read_dict (DLDatasetFilename, [], [], DictHandle1) 读取整个字典你将看到如下内容。
这些其实就是之前的读取到的数据集啊!不过多了一些东西!
在这里插入图片描述
每个samples里也多出了一个字段
在这里插入图片描述
在看看多出的整个samples文件夹:
在这里插入图片描述
发现有很多的字典,其实每个字典里面都会包含一个图片,之前的图片是以文件的形式存在的
在这里插入图片描述
而现在以halcon的图片对象,保存再halcon的字典类型里面了!

读取其中的一个字典:
在这里插入图片描述
很明显,其中包含了图片,和该图片对于的标注信息,以及所有的类别信息。
有人可能会问,这些不是在数据集都有吗?为啥这里再整合一次呢?
我决定,原因可能有两个:
1: 基于halcon的训练网络,需要这中格式的文件。
2: 这样整合可以提高后续训练以及推理的速度。

小结

‘preprocess_dl_dataset’ 将单个的数据集字典,重新整合成,(一个字典 + 一群字典) 的形式。
输出只是一个目录,目录下是:一个字典 + 一群字典。
在这里插入图片描述

这篇关于【halcon深度学习之那些封装好的库函数】preprocess_dl_dataset的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/521195

相关文章

SpringCloud动态配置注解@RefreshScope与@Component的深度解析

《SpringCloud动态配置注解@RefreshScope与@Component的深度解析》在现代微服务架构中,动态配置管理是一个关键需求,本文将为大家介绍SpringCloud中相关的注解@Re... 目录引言1. @RefreshScope 的作用与原理1.1 什么是 @RefreshScope1.

SpringBoot中封装Cors自动配置方式

《SpringBoot中封装Cors自动配置方式》:本文主要介绍SpringBoot中封装Cors自动配置方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot封装Cors自动配置背景实现步骤1. 创建 GlobalCorsProperties

Python 中的异步与同步深度解析(实践记录)

《Python中的异步与同步深度解析(实践记录)》在Python编程世界里,异步和同步的概念是理解程序执行流程和性能优化的关键,这篇文章将带你深入了解它们的差异,以及阻塞和非阻塞的特性,同时通过实际... 目录python中的异步与同步:深度解析与实践异步与同步的定义异步同步阻塞与非阻塞的概念阻塞非阻塞同步

Redis中高并发读写性能的深度解析与优化

《Redis中高并发读写性能的深度解析与优化》Redis作为一款高性能的内存数据库,广泛应用于缓存、消息队列、实时统计等场景,本文将深入探讨Redis的读写并发能力,感兴趣的小伙伴可以了解下... 目录引言一、Redis 并发能力概述1.1 Redis 的读写性能1.2 影响 Redis 并发能力的因素二、

最新Spring Security实战教程之表单登录定制到处理逻辑的深度改造(最新推荐)

《最新SpringSecurity实战教程之表单登录定制到处理逻辑的深度改造(最新推荐)》本章节介绍了如何通过SpringSecurity实现从配置自定义登录页面、表单登录处理逻辑的配置,并简单模拟... 目录前言改造准备开始登录页改造自定义用户名密码登陆成功失败跳转问题自定义登出前后端分离适配方案结语前言

Java导入、导出excel用法步骤保姆级教程(附封装好的工具类)

《Java导入、导出excel用法步骤保姆级教程(附封装好的工具类)》:本文主要介绍Java导入、导出excel的相关资料,讲解了使用Java和ApachePOI库将数据导出为Excel文件,包括... 目录前言一、引入Apache POI依赖二、用法&步骤2.1 创建Excel的元素2.3 样式和字体2.

JAVA封装多线程实现的方式及原理

《JAVA封装多线程实现的方式及原理》:本文主要介绍Java中封装多线程的原理和常见方式,通过封装可以简化多线程的使用,提高安全性,并增强代码的可维护性和可扩展性,需要的朋友可以参考下... 目录前言一、封装的目标二、常见的封装方式及原理总结前言在 Java 中,封装多线程的原理主要围绕着将多线程相关的操

Java进阶学习之如何开启远程调式

《Java进阶学习之如何开启远程调式》Java开发中的远程调试是一项至关重要的技能,特别是在处理生产环境的问题或者协作开发时,:本文主要介绍Java进阶学习之如何开启远程调式的相关资料,需要的朋友... 目录概述Java远程调试的开启与底层原理开启Java远程调试底层原理JVM参数总结&nbsMbKKXJx

Redis 内存淘汰策略深度解析(最新推荐)

《Redis内存淘汰策略深度解析(最新推荐)》本文详细探讨了Redis的内存淘汰策略、实现原理、适用场景及最佳实践,介绍了八种内存淘汰策略,包括noeviction、LRU、LFU、TTL、Rand... 目录一、 内存淘汰策略概述二、内存淘汰策略详解2.1 ​noeviction(不淘汰)​2.2 ​LR

Python与DeepSeek的深度融合实战

《Python与DeepSeek的深度融合实战》Python作为最受欢迎的编程语言之一,以其简洁易读的语法、丰富的库和广泛的应用场景,成为了无数开发者的首选,而DeepSeek,作为人工智能领域的新星... 目录一、python与DeepSeek的结合优势二、模型训练1. 数据准备2. 模型架构与参数设置3