＜Halcon＞ Halcon深度学习问题总结

1.标注图片和训练图片是需要尺寸一模一样么？
答：不需要。训练图片可对标注图片进行缩放使用。

2.一般训练一类样本数据集多少张比较合适？
答：不同的应用需要的样本数量不同。通常来说，若能保证每类样本有50个以上，即可得到比较好的效果。

3.实际应用中图片往往很大，请问下你们都是怎么处理这个问题的？
答：图像分辨率较高，缺陷尺寸较小，是工业检测的一个特点。对于训练使用的图像分辨率，我们建议以能看清缺陷为宜，图像分辨率太高或太低都不好。如果分辨率仍然比较大，或者使用更大显存的显卡，或者对图像进行裁切进行训练。

4.多线程调用同一个深度学习模型句柄需要手动加锁吗？
答：需要。也可每个线程加载单独的模型，来避免此情况。

5.分类和异常检测（无监督）这两种模式该如何选择？在什么情况下，哪种效果会更好？
答：如果每一类样本充足，那么优先选用分类进行检测；对于缺陷样本不足以及存在无法提前预知的未知异常的场景，优先选用异常检测。
针对具体应用，也可同时使用这两种方法进行测试，对比具体效果。

6.异常检测会不会对正样本的种类有使用限制，比如我从一张大图像上裁剪出许多小图，作为正样本，会不会因为正样本种类太多，导致异常检测效果不好？
答：关键看检测对象的种类。如果是同一类检测对象，正样本图像之间有差异，那么没有问题；如果是很多种不同种类的检测对象，那么对每一种类单独使用异常检测，比同时把很多种不同种类的检测对象作为一种检测对象的效果要好。

7.深度学习分割功能的标注，如果是产品部分缺失那种缺陷，该如何标注呢？
答：把缺失部分标注出来。

8.halcon 20.11 GPU测试出现内存泄露的问题，Halcon用gpu测试单张图片时，每测试一张图片，即调用一次ApplyDlModel函数时，内存会增加，查看发现是"cudnn_cnn_infer64_8.dll"一直占用着内存，且会无限增加，释放DLModelHandle所占的内存不影响cudnn的内存。
答：原因是cudnn8.0的原因。
临时解决方式，回退使用20.05或者19.11的版本。其cudnn版本为7。
长期解决方式：等待cudnn的升级。

9.halcon20.11 报内存不足，存在内存泄露，'train_dl_model_batch’报not_enough_memory错误。
答：加入这段代码 set_system (‘cudnn_deterministic’, ‘true’)。即可运行并且不会导致内存泄漏。

10.安装了21.11版本的halcon时，som首先是无法打开默认浏览器，然后选择好安装包后又提示无法找到catalog文件。
答：去设置里设置，将catalog地址改成https://packages.mvtec.com/som.catalog即可。