深度学习小工具之快速图像分割
很多小伙伴在使用DL图像分割预测的时候会发现耗时非常严重,是因为图像分割模块的耗时与分辨率有关,分割在理论上是“逐像素”检测,不进行损失图像质量的下采样,所以精度较高,因此耗时就会随着分辨率越大而越长。本文给大家介绍一个新模块补丁,快速图像分割模块,能在精度保持基本一致的情况下提升近一半的耗时。

1、软件安装准备

目前快速分割版本是采用补丁包的方式进行安装:

VM需要安装VM4.0版本   VisionTrain需要安装1.4.1版本

(注:需注意的是如果训练工具VT安装了快速分割训练补丁,单图像分割模式默认训练出来的模型即为快速分割模型,此模型只能在VM中的DL快速分割模块中使用,不能在DL图像分割中使用。故如果还希望训练出DL图像分割的模型,建议安装个其它版本VT如1.4.0,用于训练DL图像分割模型)


算法平台V4.0.0维护版本:https://one.hikvision.com/#/link/uzY5GK7AfN9d2Gpi1PcM 提取密码:PClL(无需登录海康网盘,点进文件夹,每个压缩包文件单独下载)

VisionTrain1.4.1发布版本:https://one.hikvision.com/#/link/dPwY31XBJIMkMvY9Ku5b 提取密码:hY91(无需登录海康网盘,点进文件夹,每个压缩包文件单独下载)



2、补丁包安装

安装好VM4.0基础安装包、深度学习补丁包。VisionTrain1.4.1版本后

解压压缩包,并按照以下顺序安装文件夹中的补丁包:

1、 DeepLearningTool1.4.1_Patch__build220112.zip

2、VisionMaster4.0.0_Patch_build220301.zip

3、将seg文件夹里面的两个文件替换到下面的路径中:

...\VisionTrain1.4.1\Applications\ExternDll\bin\model

快速分割补丁安装完成。

安装完成后,由VisionTrain1.4.1 单图像分割 大、中、小模式训练的模型,都默认训练成快速分割模式。



3、模块使用

1、在VM4.0的深度学习模块中会出现快速分割模块。(注:用安装完补丁包后的1.4.1版本训练的单图像分割模型已经默认为快速版本,只能在快速分割模块中使用,在DL图像分割中将不兼容)



2、 将训练好的快速分割模型加载进入,调节运行参数中的最小分数来调整检出。



3、 快速分割模块单类别模型后面接Blob分析模块,输入源选择图像分割的类别图。运行参数里面将极性设置为亮于背景,将低阈值设置为1.


(注:多类别模型后面需接Blob标签分析模块,与图像分割使用一致)


4、 预测流程完成,在原图中查看效果。

可以看到图像分割中模型,在230W的图片中的检测耗时大概在15ms左右。

(测试电脑为2080  8G显卡)


其它分辨率DL图像分割&DL快速图像分割耗时对比:

1、16384*16000分辨率

DL快速图像分割耗时:2.6S


DL图像分割耗时:5.2S


2、1000*900分辨率

DL快速图像分割耗时:12ms

DL图像分割耗时:23ms

经测试在大部分场景中,快速分割与图像分割精度差别不大!


快速分割补丁包链接如下:

https://one.hikvision.com/#/link/PagpfIvYUB1rkEw1eBYT 提取密码:6gNa  (无需登录海康网盘,点进文件夹,每个压缩包文件单独下载)

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

深度学习小工具之标签转化工具

下一篇

工业读码相机比对功能介绍

评论请先登录 登录
全部评论 1

对于别人来说可能用不到,对于我来说刚刚好啊

2022-07-26 08:53:27
回复
  • 1
Lv.0
4
创作
6
粉丝
3
获赞
相关阅读
  • AI训练平台新版本V2.0上线啦
    2022-08-08
  • 工程经验系列:视觉定位(VM案例分享)
    2022-08-02
  • “悉灵杯”课题研究-基于opecv的集成RGB_D相机SDK的基础小样物品颜色检测及人脸识别
    2022-08-01
  • VM4.2 脚本调用halcon解码
    2022-08-02
  • “悉灵杯”课题研究-MV-EB435i立体相机图像处理UI界面开发
    2022-08-02

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