如何训练高质量模型

您正在查看旧版本的文档。点击页面右上角可切换到最新版本的文档。

本节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非监督分割模型。

确保图像质量

多数图像

错误示例

improve model accuracy normal

object of different size

different object shape

different image background

图像存在一定的背景干扰的，可以前置“目标检测”模块；图像中物体朝向各异的，可前置“快速定位”模块。模块级联方法可参阅级联模块的使用。

设置 ROI 可以有效排除背景的干扰，ROI 边界应尽量贴近物体外轮廓。

同一 ROI 设定将应用于所有图片，因此需要保证所有图片中的物体都位于 ROI 内。

“非监督分割”算法模块对于 OK、NG 及 Unknown 结果的判定取决于对缺陷度统计图设定的阈值，且 OK 结果的阈值越大，识别的缺陷区域越小，需要根据实际情况设置合理的阈值，使模型实现最佳性能。

原图

OK 结果阈值：0.10

OK 结果阈值：0.20

original image

OK threshold 2

OK threshold 1

在缺陷度统计图中，绿色曲线的纵坐标表示缺陷度低于 OK 结果阈值的 OK 图像占比，红色曲线的纵坐标表示缺陷度高于 NG 结果阈值的 NG 图像占比。当红色曲线与绿色曲线不相交时，可以通过阈值将 OK 与 NG 图完全分开，且两者不相交的区域越大，模型效果越好。

效果良好

效果欠佳

good model performance

poor model performance