模型迭代
在模型使用一段时间后，若发现一些场景模型不能覆盖，此时需要进行模型迭代。传统的方案是增加数据重新训练，但可能会降低整体识别准确率，同时花费时间较长。 建议使用“模型微调”的方式对模型迭代，既能保持模型当前的准确率，也能节省时间。
一般模型迭代
-
采集模型识别效果不好的图像。
-
使用Mech-DLK打开模型所属的工程。
-
在 中开启“开发者模式”。
-
将采集的图像加入到训练集和验证集中。
-
完成新增图像的标注。
-
在 中开启 微调。
-
在训练参数中，适当调低“学习率”参数；“总轮次”参数可以降低为50~80。
-
完成模型的训练和导出。
超级模型迭代
-
采集模型识别效果不好的图像。
-
使用Mech-DLK新建空白工程，并添加“实例分割”模块。
-
在 中开启“开发者模式”。
-
将采集的图像加入到训练集和验证集中。
-
完成新增图像的标注。
-
在 中开启 微调 。
-
勾选 超级模型微调 后，单击
选择超级模型。 -
在训练参数中，适当调低“学习率”参数；“总轮次”参数可以降低为50~80。
-
完成模型的训练和导出。