模型迭代 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。 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 设置 选项 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 训练参数配置 模型微调 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 设置 选项 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 训练参数配置 模型微调 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。 使用模型 菜单栏
