一、模型的特點及選用
a、 當前使用的halcon版本為19.12，可用於分類的模型有以下幾種
① pretrained_dl_classifier_alexnet.hdl
② pretrained_dl_classifier_compact.hdl
③ pretrained_dl_classifier_enhanced.hdl
④ pretrained_dl_classifier_resnet50.hdl
b、 以上總共有四種模型，每一種模型對應不同的預訓練網路。每一種模型都有各自的特點。當前根據我們在m7000上對比測試的效果來看，我們選用第四種預訓練模型的基礎上訓練出來的總體檢測效果最佳。
c、 第二種模型為迷你型分類網路，該網路的特點是節省記憶體及執行效率高。網路沒有全連線層。影象尺寸不能低於15*15。
e、 第四種模型，其網路比其它型別的預訓練網路更加複雜，對於複雜型別的分類任務，其魯棒性和穩定性要更好。影象不能小於32*32。
二、超引數及其設定
a、 超引數的分類：網路引數、優化引數、正則化引數
① 網路引數：可指網路層與層之間的互動方式（相加、相乘或者串接等）、卷積核數量和卷積核尺寸、網路層數（也稱深度）和啟用函式等。
② 優化引數：一般指學習率（learning rate）、批樣本數量（batch size）、不同優化器的引數以及部分損失函式的可調引數。
③ 正則化引數：權重衰減係數，丟棄法比率（dropout）。
b、 超引數的重要性順序：
① 學習率及損失函式可調引數。
② 批樣本數量及動量引數的設定。
③ adam優化器的超引數、權重衰減係數、丟棄法比率（dropout）和網路引數。
c、 超引數詳細分類
d、當前經測試得出的較優引數配置：
① 學習率為0.001
② 批處理大小最大只能設定到18，當前顯示卡rtx2080。
③ 動量引數設定為0.9
④ numepochs 為100~128
三、影象大小與縮放
影象的縮放對最終模型的訓練結果有較大影響，因最大的不超過400*400，因此影象縮放後有很多細節部分被丟棄，導致訓練出來的模型整體穩定性較差，誤報及漏報均較高。因此需要注意影象的縮放問題。
四、影象訓練使用的ng數量與ok數量。
① 的挑選必須按照一定的規則進行，ok與ng不能混雜，否則訓練出來的模型會**混亂。
Halcon學習筆記（二） 運算元學習
填充區域 fill up fill up shape 二者區別在於後者針對面積大小範圍來決定是否填充 區域聯合 union1 union2 skeleton 返回乙個區域的框架 get region runs 訪問乙個區域的遊程編碼 partition dynamic 在較小垂直範圍內水平劃分區域 ...
深度學習學習總結
北京大學人工智慧實踐 tensorflow2.0 學習1 6章 複習1 4章 第4章需要寫乙個部落格 寫4,5,6章 吳恩達深度學習第四步 卷積神經網路 學習1 2周 複習1 2周 殘差網路和inception網路不太懂，目前用不到 三四周是目標定位，人臉識別，神經風格轉換目前用不到 油管最新最熱t...
深度學習知識點總結（二）
原 for dog,cat in zip dp.dogs,dp.cats 1000 報錯 typeerror zip object is not subscriptable 解決方法 使用list包裝zip物件，如下，for dog,cat in list zip dp.dogs,dp.cats 1...