术语表

  • ROI

    感兴趣区域(ROI)是从图像中选择的一个图像区域,该区域是图像分析所关注的重点,截取 ROI 后可以减少处理时间,提高精度。

  • 标注

    标注指用户使用工具手动选择图像中的区域,以标明特征或缺陷,并对所选区域添加标签,或直接对整张图像添加标签的过程。通过标签告诉工具,这是它需要学习的内容。

  • 数据集

    Mech-DLK 导出的格式为 dlkdb 的带有标注信息的文件。

  • 未标注

    未经过标注的图像数据。

  • 训练集

    人工手动标注过的图像数据集,用于模型训练。

  • 验证集

    人工手动标注过的图像数据集,用于模型效果测试。

  • 测试集

    用于在模型验证过程中评估模型泛化能力的图像数据集,不参与训练过程。

  • OK图

    没有缺陷的图像。

  • NG图

    有缺陷的图像。

  • 训练

    用“训练集”图像训练深度学习模型的过程。

  • 验证

    用已经训练好的模型对数据进行计算,并给出结果。

  • 精度

    模型在预测验证集时,其正确预测的样本数占总样本数的比值。

  • 损失

    估量模型预测验证集的结果与真实结果的不一致程度。

  • 轮次

    深度学习算法在整个训练数据集中学习的次数。

  • 过检(FP)

    实际不含缺陷的图被预测为含缺陷的图。

  • 漏检(FN)

    实际含缺陷的图被预测为不含缺陷的图。

  • 缺陷度

    图像中存在缺陷的概率。

  • 深度学习模型

    梅卡曼德提供的通用模型,用于识别纸箱或麻袋。如果识别效果欠佳,可以使用 Mech-DLK 对模型进行微调。

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。