JSON-Einstellungen

[source,json]

{ "trainingData": "C:/Users/user_name/Desktop/recordings/raw", "validationData": "C:/Users/user_name/Desktop/recordings/raw", "exportDirectory": "C:/Users/user_name/Desktop/recordings/network", "finetuneDataRoot": "C:/Users/user_name/Desktop/recordings/raw", "classes": [ "Arrow", "Disk" ], "nonRotables": [ "Disk" ], "imageScale": 0.5, "networkBase": null, "networkType": "ORTMS", "schedule": "Full", "trainingProfile": "B8x1", "deploymentConfiguration": "LumiScanVGR", "tmpFiles": "tmp" } -

Dies sind Standardparameter der JSON-Konfiguration. Ihre Bedeutung ist in Tabelle 2 erläutert. Die erforderlichen Parameter hängen von der Anwendung und dem Trainings-Workflow ab.

Beschreibung der JSON-Parameter

Verwenden Sie bei der Angabe von Pfaden Schrägstriche (/) statt Backslashes (\).
Wenn für einen Parameter, der einen leeren Wert unterstützt, kein Wert angegeben wird, verwenden Sie genau wie dargestellt null. Verwenden Sie keine Anführungszeichen und keine Grossbuchstaben.
Tabelle 1. Tabelle 2: LumiScan Training JSON-Einstellungen
Parameter Beschreibung

trainingData

Pfad zu den Trainingsdaten.
Dieser Ordner wird in der Regel von LumiScan Annotation erzeugt und enthält die Bilder und die zugehörigen Annotationsdaten im CSV- oder JSON-Format. Jedes Bild sollte über eine zugehörige Annotationsdatei verfügen.

validationData

Pfad zu den Validierungsdaten, die zur Bewertung des Netzwerks während des Trainings verwendet werden.
Dies kann derselbe Pfad wie trainingData sein.

testData

Optional. Pfad zum Datensatz, der bei Auswahl von Start Testing verwendet wird.

exportDirectory

Optional. Pfad, unter dem exportierte ONNX-Modelle und weitere Trainingsergebnisse gespeichert werden.
Ist kein Pfad angegeben, werden die Ergebnisse im Verzeichnis der unter trainingData angegebenen Trainingsdaten gespeichert.

finetuneDataRoot

Pfad zu den Daten, die für das Fine-Tuning verwendet werden. Dies ist in der Regel derselbe Pfad wie validationData.

classes

Liste der Klassen bzw. Labels, die das Netzwerk erkennen soll. Die Klassennamen müssen mit den in den Annotationsdaten verwendeten Labels übereinstimmen.

nonRotables

Liste der Klassen ohne definierte Ausrichtung, beispielsweise eine Scheibe oder ein Kratzer.
Jeder Eintrag muss exakt einem in classes definierten Klassennamen entsprechen.

Arrow, Disk

Beispiele für Klassennamen.

imageScale

Gibt den Bildskalierungsfaktor relativ zur ursprünglichen Bildgrösse an. Unterstützte Werte sind 0.5 und 1.0.

networkBase

Pfad zu einem vorhandenen trainierten Netzwerk, das als Ausgangspunkt für das Training verwendet werden soll.
Setzen Sie den Wert auf null, um ein Training ohne vorhandenes Netzwerk zu starten.
Parameter Beschreibung

networkType

Gibt den Netzwerktyp an. Die verfügbaren Werte hängen von der Zielanwendung davon ab, ob die Ausrichtung des Objekts oder nur seine Rotation bestimmt werden muss.

Für LumiScan VGR:

  • ORTML, ORTMM, ORTMS, ORTMXS: Orientierte Modelle. Verwenden Sie diese, wenn das Objekt eine sinnvolle Ausrichtung hat, beispielsweise eine unterscheidbare Oberseite, die zusätzlich zur Position identifiziert werden muss.

  • RRTML, RRTMM, RRTMS, RRTMXS: Rotierte Modelle. Verwenden Sie diese, wenn nur die Rotation des Objekts bestimmt werden muss und keine bestimmte Seite oder Ausrichtung zu unterscheiden ist.

  • LumiScanOOD (veraltet): Vorgängermodelltyp für die orientierte Objekterkennung.

  • LumiScanROD (veraltet): Vorgängermodelltyp für die rotierte Objekterkennung.

Für AI Object Matching:

  • OOD: Für Objekte mit sinnvoller Ausrichtung, die identifiziert werden muss.

  • ROD: Für Objekte, bei denen nur die Rotation bestimmt werden muss.

Die letzten Buchstaben der Werte ORTM…​ und RRTM…​ geben die Netzwerkgrösse an:

  • L: gross

  • M: mittel

  • S: klein

  • XS: extra klein

Grössere Netzwerke können eine höhere Genauigkeit liefern, benötigen jedoch mehr Speicher und dauern im Training in der Regel länger.

Geben Sie den Wert exakt wie aufgeführt ein, einschliesslich des Grössen-Suffixes. ORTM und RRTM ohne Grössen-Suffix sind keine gültigen Werte.

schedule

Gibt den Trainingsplan an. Unterstützte Werte sind Full und Finetune.

  • Full: Führt einen neuen Trainingslauf durch. Verwenden Sie diese Option für das erstmalige Training.

  • Finetune: Setzt das Training mit einem vorhandenen Netzwerk und den unter finetuneDataRoot angegebenen Daten fort. Verwenden Sie diese Option für nachfolgende Verfeinerungsschritte.

trainingProfile

Gibt das Trainingsprofil an und beeinflusst die GPU-Speichernutzung. Derzeit wird nur eine GPU unterstützt.

Verfügbare Werte:

  • B8x1: Standardwert.

  • B4x1: Verwenden Sie diese Option, wenn das Training mit B8x1 wegen unzureichenden GPU-Speichers fehlschlägt oder wenn das Training gemeinsamen GPU-Speicher (Shared GPU Memory) verwendet.

Die Nutzung des gemeinsamen GPU-Speichers können Sie im Windows-Task-Manager prüfen. Auch eine ungewöhnlich lange Trainingsdauer kann auf unzureichenden GPU-Speicher hindeuten.

deploymentConfiguration

Gibt die Ziel-Deployment-Konfiguration an. Für LumiScan VGR lautet der Wert LumiScanVGR und sollte nicht geändert werden.

tmpFiles

Pfad, unter dem temporäre Dateien während des Trainings gespeichert werden. Die Anwendung muss über Schreibrechte für diesen Speicherort verfügen. Temporäre Dateien werden nach dem Training gelöscht.