apply_dl_model — Anwenden des Deep Learning-basierten Netzwerkes zur Inferenz
auf einer Menge an Bildern.
apply_dl_model( : : DLModelHandle, DLSampleBatch, Outputs : DLResultBatch)
apply_dl_model wendet das durch DLModelHandle gegebene
Deep Learning-basierte Netzwerk auf ein Batch von Eingabebildern an, die
vom Dictionary DLSampleBatch übergeben werden.
Der Operator gibt die Ergebnisse im Ausgabe-Dictionary
DLResultBatch aus.
Für weitere Informationen zum Konzept und den Dictionaries des Deep Learning-Modells in HALCON siehe das Kapitel Deep Learning / Modell.
Um das Netzwerk auf Bilder anwenden zu können, müssen diese über ein Tupel
von Dictionaries DLSampleBatch übergeben werden.
Dieses Tupel muss genau 'batch_size' Dictionaries enthalten
(der aktuelle Wert kann über get_dl_model_param abgefragt werden).
Dabei bezieht sich jedes Dictionary auf ein einzelnes Bild.
Mit Hilfe der Prozedur gen_dl_samples_from_images kann solch ein
Dictionary passend erstellt werden.
Es ist zu beachten, dass die Bilder eventuell vorverarbeitet werden müssen
um die die Netzwerkanforderungen zu erfüllen, bevor sie dem Operator
apply_dl_model übergeben werden können. Mit
get_dl_model_param können die aktuellen Anforderungen des Netzwerks
wie z.B. die Bilddimensionen abgefragt werden.
Die Prozedur preprocess_dl_dataset gibt eine Anleitung für die
Implementierung dieser Vorverarbeitung.
In Outputs kann spezifiziert werden, welche Daten vom Netzwerk in
den Ergebnis-Dictionaries DLResultBatch ausgegeben werden.
Für weitere Informationen zum Ausgabe-Dictionary
DLResultBatch und dessen Schlüssel siehe das Kapitel
Deep Learning / Modell.
Dabei kann Outputs ein einzelner String, ein Tupel von Strings,
oder ein leeres Tupel, mit dem alle möglichen Ausgaben abgerufen werden
können, sein.
Die Werte sind abhängig vom Modelltyp des verwendeten Netzwerks:
Outputs='[]':
DLResultBatch enthält die
Koordinaten der umschließenden Rechtecke, sowie die geschätzten
Klassen und deren Konfidenzwerte
für alle Ebenen des Modells.
Outputs='segmentation_image':
DLResultBatch enthält ein Bild, in dem jedes Pixel einen Wert
erhält entsprechend der Klasse, welcher das entsprechende Pixel
zugeordnet wurde.
Outputs='segmentation_confidence':
DLResultBatch enthält ein Bild, in dem jedes Pixel den
Konfidenzwert der Klassifikation des entsprechenden Pixels erhält.
Outputs='[]':
DLResultBatch enthält alle Ausgabewerte.
Um diesen Operator ausführen zu können, werden cuDNN und cuBLAS benötigt,
falls 'runtime' auf 'gpu' gesetzt ist
(siehe get_dl_model_param).
Für weitere Details wird auf den „Installation Guide“, Abschnitt
„Requirements for Deep Learning“, verwiesen.
DLModelHandle (input_control) dl_model → (handle)
Handle des Deep Learning-Modells.
DLSampleBatch (input_control) dict-array → (handle)
Eingabedaten.
Outputs (input_control) string-array → (string)
Angeforderte Ausgabedaten.
Defaultwert: []
Werteliste: [], 'segmentation_confidence', 'segmentation_image'
DLResultBatch (output_control) dict-array → (handle)
Handle der Ergebnisdaten.
Sind die Parameterwerte korrekt, dann liefert
apply_dl_model den Wert 2 (H_MSG_TRUE). Gegebenenfalls wird eine
Fehlerbehandlung durchgeführt.
read_dl_model,
train_dl_model_batch,
set_dl_model_param
Deep Learning Inference