分类图像

此工具可用于对图像进行分类。

此工具需要经训练的分类器。分类器是一种深度学习模型，经过训练可以区分图像并将其分类。要训练分类器，您可以使用的 MVTec 的 Deep Learning Tool。工作流程如下：先定义类，然后相应地为图像添加标签，最后训练深度学习模型。训练将生成一个分类器文件，可在此 MERLIC 工具中使用该文件对新图像进行分类。图像随后将被分类到先前定义的类中。

有关如何创建分类器的更多信息，请参阅 MVTec Deep Learning Tool 文档或观看使用 MVTec Deep Learning Tool 进行深度学习分类的视频教程。如果分类器文件可用，您可以立即使用该文件在 MERLIC 中通过“分类图像”工具对图像进行分类。

Artificial Intelligence Acceleration 接口 (AI²) 的支持

MERLIC 附带用于 NVIDIA® TensorRT™ SDK 和 Intel® Distribution of OpenVINO™ toolkit 的 Artificial Intelligence Acceleration 接口 (AI²)。因此，您可以将 AI 加速器硬件用作与 NVIDIA® TensorRT™ 或 OpenVINO™ toolkit 兼容的处理单元，以便在相应的硬件（如 NVIDIA® GPU）或支持 OpenVINO™ toolkit 的硬件（如 CPU、Intel® GPU 和 Movidius™ VPU）上执行优化的推理。通过这种方式，您可以显著加快深度学习推理时间。相应的硬件可在工具参数“处理单元”中选择。

前提条件

支持 OpenVINO™ toolkit 的 NVIDIA® GPU 和 CPU 在安装 MERLIC 后可立即使用。无需额外的安装或设置。

要将支持 OpenVINO™ toolkit 的 Intel® GPU 和 VPU 用作处理单元，需要满足以下前提条件：

• 首先必须安装 Intel® Distribution of OpenVINO™ toolkit。
• 必须在 OpenVINO™ toolkit 环境中启动 MERLIC。

有关安装和前提条件的更多详细信息，请参阅 用于具有深度学习功能的工具的 AI² 接口 主题。

参数

基本参数

图像

此参数表示应分类的图像。

分类器文件：

此参数定义所谓的分类器，即对图像进行分类应使用的 HALCON 深度学习模型（.hdl 文件格式）。

虽然也可以使用 MVTec HALCON 来训练分类器文件，但建议使用 MVTec Deep Learning Tool。

显示热图：

此参数定义是否显示热图。热图表示对分类器的决策起重要作用的图像部分。默认设置为 1。这意味着默认情况下显示热图。如果该参数设置为 0，则不显示热图。此参数值还决定了热图是否属于“显示的图像”结果中所返回图像的一部分。

其他参数

处理单元：

此参数定义用于处理图像的方法。默认情况下，此参数设置为“自动”。在此模式下，MERLIC 尝试选择合适的 GPU 作为处理单元，因为它通常比 CPU 性能更好。然而，这需要相应 GPU 拥有至少 4 GB 的可用内存。如果没有找到合适的 GPU，CPU 将用作后备。

您也可以手动选择处理单元。单击此参数，从所有可用处理单元列表中选择设备。如果选择 GPU 作为处理单元，我们建议您检查是否有足够的内存可用于所使用的深度学习模型。否则，可能会出现推理速度较慢等不良影响。

MERLIC 还支持使用与 NVIDIA® TensorRT™ SDK 或 OpenVINO™ toolkit 兼容的 AI 加速器硬件：

• NVIDIA® GPU
• 支持 OpenVINO™ toolkit 的 CPU、Intel® GPU、Intel® VPU（MYRIAD 和 HDDL）

相应设备用前缀“TensorRT(TM)”或“OpenVINO(TM)”标记。如果您选择支持 NVIDIA® TensorRT™ 或 OpenVINO™ toolkit 的设备，内存将通过 AI² 接口的相应插件在设备上初始化。

选择 AI 加速器硬件作为处理单元后，即开始深度学习模型的优化。优化后，表示模型参数的所有参数将在内部设置为只读。因此，只要选定的 AI 加速器用作处理单元，就无法再更改它们的值。要更改参数，首先必须将处理单元更改为没有任何 AI 加速的其他处理单元。设置参数后，可以将处理单元设置回相应的 AI 加速器硬件。

支持 OpenVINO™ toolkit 的 CPU 无需任何额外的安装步骤即可使用。它们将自动出现在可用处理单元列表中。如果有多个具有相同名称的处理单元可用，则会为其名称指定一个索引号。这同样适用于支持 NVIDIA® TensorRT™ 的 GPU。

除了通过 AI 加速器硬件进行优化外，MERLIC 还支持通过 NVIDIA® CUDA® Deep Neural Network (cuDNN) 进行进一步的动态优化。此优化可通过 MERLIC Creator 中的 MERLIC 设定来启用。有关更多信息，请参阅MERLIC 设定主题。

精度：

此参数定义内部用于优化推理深度学习模型的数据类型，它定义了模型转换的精度。默认情况下设置为“高”。

下表显示此工具支持的模型精度。

值	描述
高	深度学习模型转换为“float32”的精度。
中等	深度学习模型转换为“float16”的精度。

大部分处理单元支持两种精度类型。然而，可能有一些处理单元只支持其中一种精度。在这种情况下，在参数“处理单元”中选择相应的设备后，参数中只有受支持的精度可用。如果自动选择处理单元，即如果“处理单元”设置为“自动”，则只有精度“高”可用。

检测到的类数量：

此参数定义“检测到的类”结果将返回的最大类数量。默认情况下，此参数设置为 1。这意味着“检测到的类”中将只返回一个类，即具有最高置信度的类。您可以选择最多查询 5 个类。“检测到的类”中的类结果将按其置信度值排序。

此参数还定义“置信度”和“检测到的类 ID”结果中返回的最大值数量，因为它们的值引用“检测到的类”中的类。有关这些结果的更多信息，请参阅以下相应部分。

所选参数值不会影响性能或运行时间，因为它仅控制结果的输出。

结果

基本结果

检测到的类：

此结果返回要区分的类的名称。返回的类数量取决于参数“检测到的类数量”。类名称以字符串形式返回。如果返回多个类，它们会在一个元组中返回，并按各自的置信度值排序，具有最高置信度的类在前。“置信度”和“检测到的类 ID”结果中返回类的相应置信度和 ID。

置信度：

此结果指示图像属于每个可区分类的可能性。置信度最大值为 1。最高置信度获胜，即可以确定类。例如，如果您有三个可能的类 [苹果、香蕉、橙子]，生成的置信度值为 [0.7、0.2、0.1]，则当前处理的图像被归类为“苹果”。

工具状态：

“工具状态”返回有关工具状态的信息，因此可用于处理错误。请参阅主题工具状态结果，了解关于不同工具状态结果的更多信息。

其他结果

处理时间:

此结果返回最近一次执行工具的持续时间（以毫秒为单位）。该结果作为附加结果提供。因此，默认情况下它是隐藏的，但是可以通过工具结果旁边的 按钮显示。有关更多信息，处理时间请参工具参考中所阅部分。

检测到的类 ID：

此结果返回要区分的所有类的 ID。整数元组中的元素数量取决于“检测到的类数量”参数。

所有类：

此结果返回在所选分类器中定义的所有可用类的名称。

所有类 ID：

此结果返回在所选分类器中定义的所有可用类的 ID。

训练图像宽度：

此结果返回训练分类器所使用的图像宽度。

训练图像高度：

此结果返回训练分类器所使用的图像高度。

使用的处理单元：

此结果返回上次迭代中使用的处理单元。如果参数“处理单元”设置为“自动”，可以使用此结果检查实际使用的处理单元，或者检查使用的处理单元是否正确。

精度数据类型：

此结果返回内部用于优化推理深度学习模型的数据类型。您可以使用此结果检查是否使用了正确的精度，以防出现任何问题。

如果参数“精度”设置为“高”，深度学习模型应转换为“float32”的精度。因此，预期此结果返回数据类型“float32”。如果参数“精度”设置为“中等”，深度学习模型应转换为“float16”的精度。在这种情况下，此结果的预期值为数据类型“float16”。如果在 MVApp 迭代过程中出现任何问题，可以检查此结果是否返回与预期不同的数据类型，还可以查看日志文件以了解更多信息。请参阅日志记录主题以了解关于日志文件的更多信息。

热图：

此结果表示图像形式的热图，指示对分类至关重要的区别特征。

显示的图像：

此结果表示处理图像和异常热图的叠加。当处理图像通过热图显示时，您可以更清楚地看到图像中的异常和发生位置。但是，只有在“显示热图”参数设置为“1”时才会显示热图。如果“显示热图”设置为 0，生成的图像仅返回不含热图的处理图像。

应用程序示例

此工具用于以下 MERLIC Vision App 示例：

• classify_pills.mvapp
• classify_and_inspect_wood.mvapp