非监督分割算法介绍

您正在查看最新版本(V2.6.2)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

非监督(非监督学习)是一种机器学习方法,在没有标签数据的情况下,让模型自动从数据中学习模式、结构或特征。非监督分割算法模块适用于OK图像一致性较强的缺陷检测项目,用户只需要标注图像属于OK还是NG(NG非必须),不需要标注NG图像中缺陷的具体轮廓算法模块即可判断出数据集中的图像为OK、NG 还是 Unknown(未知),并通过热力图展示大致缺陷区域。

非监督分割算法模块适用于OK图一致性较高、缺陷种类多、无法穷举的情况,而图像分类算法模块适用于没有缺陷定位需求,且能够列举出所有类别的数据。
视频:非监督分割模型训练与使用

应用场景

工业质检:适用于物体的缺陷形状、位置、大小不确定,但 OK 图差异较小的场景。

uncertain defects

应用流程

introduction application flow

该页面是否有帮助?

可以通过以下方式反馈意见:

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。