# Vision Mark

**Repository Path**: archknight/Vision-Mark

## Basic Information

- **Project Name**: Vision Mark
- **Description**: 用于准备卷积神经网络视觉识别训练用图片的综合工具。
- **Primary Language**: Python
- **License**: BSD-3-Clause
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2019-06-21
- **Last Updated**: 2022-06-15

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Vision Mark

基于wxPython编写的用于神经网络训练的样本标记工具。主要设计提供以下功能。

* 以项目为基础单元，组织样本信息。
* 支持对样本进行初步切割编辑及特征标记。
* 对训练项目进行综合统计，提示需要优化的内容。
* 对训练样本进行自动分组和特征值计算并输出。
* 按照训练项目信息对卷积层参数进行计算和推荐。

## 项目依赖安装与运行

Vision Mark运行在Python 3.6以上的版本中，运行时建议先建立虚拟环境，之后再安装项目依赖。

```bash
$ python3 -m venv venv
$ source venv/bin/actviate
(venv)$ pip install -r requirements.txt 
```

项目依赖安装结束后，可以使用`main.py`文件来启动项目。

```bash
(venv)$ python main.py
```

## 可执行文档打包

Vision Mark采用py2app和py2exe来完成在macOS和Windows系统中的可执行文档打包工作。

对于可执行文档的配置需要调整`setup.py`文件。在macOS系统中的打包命令为`python setup.py py2app`，在Windows系统中的打包命令为`python setup.py py2exe`。

## 操作说明

### 名词定义

针对Vision Mark代码与界面中出现的名词，定义如下：

* **项目目录**，用于保存项目信息、样本信息、导出样本的目录。
* **项目文件**，特指`project.yaml`文件，用于保存导出文件名、样本分组、尺寸等信息。
* **样本源**，用于切割产生样本图像的源图像。
* **样本**，可直接用于卷积网络训练的图像文件。
* **特征**，也称为**类别**，用于对样本进行定义，供卷积网络学习使用。
* **样本分组**，将全部样本随机分组，形成不同的训练组数。
* **训练样本比例**，从样本分组中提取出固定比例形成训练集。
* **验证样本比例**，从样本分组中提取出固定比例形成验证集。
* **样本描述文件**，用于对导出的用于训练样本图像进行索引和记录特征值的文件。
* **验证描述文件**，用于对导出的用于验证的样本图像进行索引和记录特征值的文件。
* **特征描述文件**，用于记录导出的特征及其顺序的文件。

### 操作顺序

#### 定义项目参数

#### 拣选样本源图片

#### 建立样本

#### 核对样本

#### 导出样本

## 已实现功能

* 项目新建、加载以及保存。
* 样本源管理。
* 样本切割区域定义及特征选择。
* 样本预览。
* 项目统计。
* ~~项目优化内容提示。~~
* 训练样本自动分组。
* 特征值计算。
* 训练样本导出。
* ~~卷积层参数计算与推荐。~~