如何训练高质量模型

您正在查看V2.4.1版本的文档。如果您想查阅其他版本的文档，可以点击页面右上角“切换版本”按钮进行切换。

■ 如果您想使用最新版本，可以从梅卡曼德下载中心下载。

■ 如果您不确定当前使用的产品是哪个版本，请随时联系梅卡曼德技术支持。

本章将介绍最影响模型质量的几个因素，以及如何训练出高质量图像分类模型。

确保图像质量

避免 过曝、过暗、颜色失真、模糊、遮挡 等情况。这些情况会导致深度学习模型所依赖的特征丢失，影响模型训练效果。
确保采集数据的 背景、视角、高度 与实际应用一致。任何不一致都会降低深度学习在实际应用时的效果，严重情况下必须返工重新采集数据，请务必提前确认实际应用时的情况。

图像分类对光照比较敏感，采集时光照条件需保持一致；如若现场早晚光线不一致，需针对情况分别采集。

“图像分类”模块通过学习已有图像的特征得出模型并应用到实际场景，因此采集和选取的数据必须与实际场景情况一致才能训练出高质量模型。

需合理分配各种摆放情况。例如实际生产时来料有横向和竖向，但只采集横向来料的数据进行训练，则无法保证竖向来料的分类效果。因此，采集数据时需要能 包含实际生产的各种场景 ，具体包括：

某阀管项目，单类物体，需要区分阀管正反面，位置移动幅度较小，正反面各采集 15 张。
某发动机气门装配项目，单类物体，需要区分工件是否正确摆放在卡槽内，由于摆放在卡槽外可能出现的姿态较多，需考虑不同位置和不同角度摆放的情况，采集 20 张左右；摆放在卡槽内的只需考虑不同位置的情况，采集 10 张左右。
某金属薄片项目，两类物体，需要区分工件大小，可能出现不同位置不同角度的情况，正反面各采集 20 张。