训练及预测要求

目标检测训练建议采用6G及以上显卡训练，单个目标检测模块运行检测需2G显存，多模块或多流程则需2G以上显存，推荐使用GTX1660Ti、GTX1080、GTX1080Ti、RTX2080、RTX2080Ti显卡
目标检测预测图像要求分辨率宽高大于64像素，若小于软件会报错。
目标宽高分辨率较小者占图片宽高分辨率较大者比例建议大于1.31%。
预测图像分辨率需保持一致，否则VM软件会对资源进行重新申请导致耗时严重增加。
使用vM深度学习模块需要配合IMVS-VM-7100加密狗使用

训练及预测要求

模型训练

VisionMaster使用.bin文件

通讯

模型训练

以管理员运行

新建训练集你要训练模型的文件目录右上角为框选区域

矩形框为矩形可以随意改变大小钢笔形状为多变形掩模左键为确定该步右键删除上步双击左键为保存结束框选

左下角为已经标注和未标注选择未标注开始打标签框选完成下方会出现123....你选择标签名字

图像集图片全部标注完成点击下一步

参数设置

本地训练:需要安装独立显卡
云服务器训练:将训练图片上传服务器，无需独显
本地服务器训练需搭建本地训练服眼务器才使用

迭代轮次:算法内部称为Epoch，一轮就是将所有训练样本训练一次的过程。增大迭代伦次可以增加训练的迭代次数。参数根据图片数量设置。30张设置700轮。100张设置500轮。500张设置200轮。1000张设置150轮。5000张设置100轮。10000张设置60轮。100000张设置50轮。若训练过程中曲线任有明显的下降趋势,可以暂停训练增大迭代伦次。

基础学习率:更新参数时前进的步长。一般按默认值1设置，不需改动。Patch大小:训练过程中，输入神经网络的图像尺寸。有大中小可供选择，对应的缩放分辨率为608，416，288。目标占图片比例小则推荐选择大patch，占比大则可选择中或小patch。为了保证效果建议选择大Patch。

模型能力:处理复杂图片的能力，有普通和高精度两种模式选择。普通训练、检测速度更快，消耗的显存资源更小。高精度检测效果更加精确，但资源消耗大。小目标、精度要求高推荐使用高精度模式，大目标、精度要求较低推荐使用普通模式。为了保证效果建议选择高精度