深度学习模型

您正在查看最新版本(V2.6.0)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。

如何判断深度学习模型是否可用?

只要现场物料包含与深度学习模型可识别目标类似的特征,就可以部署深度学习模型进行测试。

  • 如果完全无法分割目标物料,则需训练新模型。

  • 如果能够正确分割部分物料,则需针对无法分割的问题物料采集图像,进行深度学习模型微调。

纸箱深度学习模型适用于哪些场景?

适用于颜色、花纹单一或多样的纸箱拆、码垛场景;需注意此模型只适用于纸箱在同一平层时水平摆放,没有倾斜放置的情况。

纸箱深度学习模型该如何采集数据?

先用纸箱深度学习模型测试一遍,如果无法完全正确分割,则针对问题数据种类有针对性的采集20张左右。

我们重视您的隐私

我们使用 cookie 为您在我们的网站上提供最佳体验。继续使用该网站即表示您同意使用 cookie。如果您拒绝,将使用一个单独的 cookie 来确保您在访问本网站时不会被跟踪或记住。