标注导入/导出插件

CLIP（Cognex 标注关闭 标注是用“真值”来注释图像的过程。根据您使用的工具，标注可以采用不同的形式。标注图像集有两个原因：提供训练工具所需的信息，并允许您根据真值衡量和验证受训练的工具的性能。导入/导出插件）是一个可帮助您导入/导出 VisionPro Deep Learning 工具的标注、掩膜和图像（仅限导出）的 VisionPro Deep Learning 插件。

CLIP 基础知识

在 VisionPro Deep Learning 中，标注、掩膜和图像是基于视图关闭 图像的视图是图像中的像素区域。工具处理仅限于视图中的像素。您可以手动指定视图，也可以使用上游工具的结果生成视图。（ROI关闭 感兴趣区域 (ROI) 界定了工具的操作面积。ROI 保留了原始图像的位置、角度、拉伸和倾斜。 定义的视图）导入/导出。因此，只有在定义了 VisionPro Deep Learning 中每个视图的 ROI 之后，才能导入标注或掩膜。如果标注或掩膜不符合定义的 ROI，则不会将其导入。

注意： CLIP 支持由区域（例如 1_l2c1png|0:1 和 1_l2c1png|0:2）拆分的视图。
提示： 有关 ROI 的更多详细信息，请参阅红色分析示例。

VisionPro Deep Learning 视图浏览器中每个视图的图像文件名（不包括文件类型）和要导入的标注/掩膜文件名应完全匹配。例如，当您在视图浏览器中为文件名为“name.png”的特定视图导入标注时，标注文件名应为“name.png”、“name.vrlf”（红色分析）或“name.vglf”（绿色分类）。

导入/导出格式

图像文件类型

类型

导入

导出

图像

-

-

png

标注

内部

.vrlf (红色分析), .vglf (绿色分类)

外部

png（仅限红色分析）

-

JSON

.json

-

掩膜

内部

.vmf

外部

png

-

JSON

.json

-

  • .vrlf：VisionPro Deep Learning 红色分析标注格式

  • .vflf：VisionPro Deep Learning 绿色分类标注格式

  • .vmf：VisionPro Deep Learning 掩码格式

  • JSON：JSON 文件格式（请参阅最近几节 JSON 文件格式的详细信息。）

激活 CLIP

  1. 运行VisionPro Deep Learning。

  2. 转到“插件”>“管理插件”。

  3. 选择“添加”按钮。

  4. 选择 CLIP.VPlugin.dll 和选择“打开”。

  5. 关闭插件管理器。

  6. 创建或导入工作区，并创建工具或将工具导入该工作区的流中。

  7. 将图像加载到工具中，并设置 ROI 以定义视图。

  8. 选择工具并转到“插件”菜单。根据您选择的工具，您会找到“导入”和“导出”菜单。

导入标注

  红色分析 绿色分类 蓝色定位 蓝色读取

导入内部标注

（采用 VisionPro Deep Learning 内部标注格式的标注文件）

O

O

X

X

导入外部标注：png 文件

（代表标注的图像文件）

O

X

X

X

导入外部标注：JSON 文件

（包含标注信息的 JSON 文件）

O

O

X

X

导入内部标注

  1. 准备采用 VisionPro Deep Learning 内部标记关闭 图像标记是由 VisionPro Deep Learning 工具生成的注释。工具生成的标记是工具处理特定图像时获得的“答案”。您可以通过将工具生成的标记与用于同一图像的标注进行比较，从而验证工具的性能。与标注一样，生成的特定标记取决于工具。格式的标注文件。

    • 红色分析标注格式：.vrlf

    • 绿色分类标注格式：.vglf

      注意： 要从 VisionPro Deep Learning 工具获取 VisionPro Deep Learning 内部标注文件，请参阅下面的 。

  2. 打开工作区，在流中选择红色分析或绿色分类工具。

  3. 转到“插件”>“导入标注”。

  4. 选择内部标注图像和选择“选择文件”。

     

  5. 找到内部标注文件并将其打开。

导入外部标注：png 文件 (红色分析)

  1. 准备 png 格式的标注图像文件。例如，您的标注是一个图像文件，其中背景（良好区域）是白色的，有缺陷的区域是黑色的。

  2. 打开标注图像文件并获取背景的像素值。在上述示例中，值为 255（ 像素强度）。

    注意： 要导入的所有标注图像的背景像素值必须一致。

  3. 打开工作区，在流中选择红色分析工具，然后转到“插件”>“导入标注”。

  4. 选择外部标注图像。

  5. 在第 2 步馈送背景像素值。

  6. 选择“选择文件”以找到 png 文件并将其打开。

  7. 选择“应用”。

导入外部标注：JSON 文件

  1. 准备包含图像文件名及其标注信息的 JSON 文件。

    注意： 图像文件名必须与 VisionPro Deep Learning 工作区中加载的图像文件名完全匹配，包括大小写。

    对于绿色分类，JSON 文件应包含所有视图的标注信息。JSON 文件必须遵守下列规则。

    1. 文件中必须包含键值“classes”和“images”。

    2. 作为“classes”的子级，必须包含 {index (string type)，class name (string type)} 对。

    3. 关键值“images”必须在每个图像文件名下有一个“class”。

    复制
    Green Classify JSON Label Example
    {
    "classes": {
            "0": "OK",
            "1": "NG"
        }
     
    "images": {
            "CAM1-NG.png": {
                "class": [
                    1
                ]
            },
            "CAM2-NG.png": {
               "class": [         
                      1
                ]
           }
    }
    }

    2. 对于红色分析，JSON 文件应包含单个视图的标注信息。因此，您需要准备的 JSON 文件数与视图总数一样多。除文件扩展名外，每个 JSON 文件的文件名必须与 VisionPro Deep Learning 图像显示区域中每个视图的图像文件名完全匹配。JSON 文件必须遵守下列规则。

    1. 文件中必须包含键值“标注”，每个标注的信息都应列在键值下。

    2. 标注信息应该包含“笔划粗细”、“形状”和“点”。

    3. “类”必须输入为正整数（无符号长整型），不能输入字符串或其他类型。

      1. 在将类分配为 0 时，其分类为“良好”，当分配为 1 时，其分类为“不良”。

    4. “笔画粗细”是缺陷区域轮廓的粗细。

    5. "形状”是区域的形状。它包含字符串类型，并且必须是以下类型之一：“矩形”、“椭圆”、“直线”、“折线”、“多边形”

    6. "形状”是形成区域的形状的坐标集。其值由“形状”确定。

      1. “矩形”：左上角坐标 (x0, y0) 和右下角坐标 (x1, y1)

      2. “椭圆”：左上角坐标 (x0, y0) 和右下角坐标 (x1, y1)

      3. “直线”：起始坐标 (x0, y0) 和结束坐标 (x1, y1)

      4. “折线”：构成折线的坐标 (x0, y0), (x1, y1), ..., (xN, yN)

      5. “多边形”：构成多边形的坐标 (x0, y0), (x1, y1), ..., (xN, yN)

    复制
    Red Analyze JSON Label Example
    {
    "Labels": [
        {
          "Class": 1,
          "Shape": "ellipse",
          "StrokeThickness": 5.0,
          "Points": [
            "104.972811914788,310.801663378971",
            "132.045318045539,338.438180054112"
          ]
        },
        {
          "Class": 1,
          "Shape": "ellipse",
          "StrokeThickness": 5.0,
          "Points": [
            "301.248481362731,141.034489517388",
            "323.808903138356,168.106995648139"
          ]
        }
      ]
    }

  2. 打开工作区，在流中选择红色分析或绿色分类工具，然后转到“插件”>“导入标注”。

  3. 选择 JSON 和“选择文件”。

  4. 找到 JSON 文件并将其打开。

  5. 选择“应用”。

导出标注

  红色分析 绿色分类 蓝色定位 蓝色读取

导出标签（以 VisionPro Deep Learning 内部标注文件格式导出标注）

O

O

X

X

  1. 打开工作区，在流中选择红色分析或绿色分类工具，然后转到“插件”>“导出图像”。

  2. 启用标注复选框并选择“浏览”以查找要保存的标注文件的位置。

  3. 选择“导出”。

  4. 标注文件保存在 SELECTED_PATH/WORKSPACE_NAME/STREAM_NAME/TOOL_NAME/Labels 下

导入掩膜

  红色分析 绿色分类 蓝色定位 蓝色读取

导入外部掩膜

（代表掩膜的图像文件）

O

O

O

O

导入内部掩膜

（采用 VisionPro Deep Learning 默认掩膜文件格式的掩膜文件）

O

O

O

O

导入 JSON 掩膜

（包含掩膜信息的 JSON 文件）

O

O

O

O

导入内部掩膜

  1. 准备采用 VisionPro Deep Learning 内部掩膜格式的掩膜文件。

    • VisionPro Deep Learning 掩膜格式：.vmf

    注意： 要从 VisionPro Deep Learning 工具获取 VisionPro Deep Learning 内部掩膜文件，请参阅下面的 。

  2. 打开工作区，在流中选择工具，然后转到“插件”>“导入掩膜”。

  3. 选择“内部掩膜图像”和“选择文件”。

  4. 找到内部掩膜文件并将其打开。

  5. 选择“应用”。

导入外部掩膜：png 文件

  1. 准备 png 格式的掩膜图像文件。例如，您的掩膜是一个图像文件，其中掩膜区域是黑色的，其他区域（背景）是白色的。

  2. 打开掩膜图像文件并获取背景的像素值。在上述示例中，值为 255（ 像素强度）。

    注意： 要导入的所有掩膜图像的像素值必须一致。

  3. 打开工作区，在流中选择工具，然后转到“插件”>“导入掩膜”。

  4. 选择外部掩膜图像。

  5. 在第 2 步馈送背景像素值。

  6. 选择“选择文件”以找到 png 文件并将其打开。

  7. 选择“应用”。

导入外部掩膜：json 文件

  1. 准备包含图像文件名及其掩膜信息的 JSON 文件。

    注意： 图像文件名必须与 VisionPro Deep Learning 工作区中加载的图像文件名完全一致，包括大小写

    对于所有类型的工具，JSON 文件应包含单个视图的掩膜信息。因此，您需要准备的 JSON 文件数与视图总数一样多。除文件扩展名外，每个 JSON 文件的文件名必须与 VisionPro Deep Learning 图像显示区域中每个视图的图像文件名完全匹配。JSON 文件必须遵守下列规则。

    1. 文件中必须包含键值“掩膜”，每个掩膜的信息都应列在键值下。

    2. 掩膜信息应该包含“笔划粗细”、“形状”和“点”。

    3. “笔画粗细”是掩膜轮廓的粗细。

    4. "形状”是掩膜的形状。它包含字符串类型，并且必须是以下类型之一：“矩形”、“椭圆”、“直线”、“折线”、“多边形”

    5. "点”是形成掩膜形状的坐标集。其值由“形状”确定。

      1. “矩形”：左上角坐标 (x0, y0) 和右下角坐标 (x1, y1)

      2. “椭圆”：左上角坐标 (x0, y0) 和右下角坐标 (x1, y1)

      3. “直线”：起始坐标 (x0, y0) 和结束坐标 (x1, y1)

      4. “折线”：构成折线的坐标 (x0, y0), (x1, y1), ..., (xN, yN)

      5. “多边形”：构成多边形的坐标 (x0, y0), (x1, y1), ..., (xN, yN)

    复制
    Green Classify JSON Mask Example
    {
    "Masks": [
        {
          "Shape": "polygon",
          "StrokeThickness": 1.0,
          "Points": [
            "183,121",
            "182,122",
            "180,122",
            "179,123",
            "177,123",
            "176,124",
            "174,124",
            "173,125",
          ]
        },
        {
          "Shape": "polygon",
          "StrokeThickness": 1.0,
          "Points": [
            "262,135",
            "260,137",
            "260,138",
            "259,139",
            "259,142",
            "260,143",
            "260,144",
            "261,144",
            "262,145",
            "264,145",
            "265,144",
            "266,144",
            "266,143",
            "267,142",
            "267,139",
            "266,138",
            "266,137",
            "264,135"
          ]
        }
      ]
    }

  2. 打开工作区，在流中选择工具，然后转到“插件”>“导入掩膜”。

  3. 选择 JSON 和“选择文件”。

  4. 找到 JSON 文件并将其打开。

  5. 选择“应用”。

导出掩膜

  红色分析 绿色分类 蓝色定位 蓝色读取
导出掩膜（采用 VisionPro Deep Learning 默认掩膜文件格式的掩膜文件） O O O O

  1. 打开工作区，在流中选择工具，然后转到“插件”>“导出图像”。

  2. 启用“掩膜”复选框并单击“浏览”以选择要保存的掩膜文件的位置。

  3. 选择“导出”。

  4. 掩膜文件保存在 SELECTED_PATH/WORKSPACE_NAME/STREAM_NAME/TOOL_NAME/Masks 下

导出图像

  红色分析 绿色分类 蓝色定位 蓝色读取
导出图像（采用 png 文件格式的图像文件） O O O O

  1. 打开工作区，在流中选择工具，然后转到“插件”>“导出图像”。

  2. 启用“图像”复选框并单击“浏览”以选择要保存的图像文件的位置。

  3. 选择“导出”。

  4. 图像文件保存在 SELECTED_PATH/WORKSPACE_NAME/STREAM_NAME/TOOL_NAME/Images 下