迭代模型
若发现模型在部署后表现效果不佳,可以进行模型迭代。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。可以使用“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。
此功能仅在“开发者模式”下可用。 |
一般模型迭代
对用户自行训练得到的模型,可通过以下方式进行微调:
-
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”。 -
导入采集的图像并完成标注。
-
单击
。在训练参数设置窗口中的模型微调选项卡下,开启微调并勾选自我微调。
-
切换到训练参数选项卡,适当调低学习率参数;总轮次参数可以降低为50~80。
-
单击确认保存配置好的参数信息。
-
完成模型的训练和导出。
深度学习模型迭代
深度学习模型是梅卡曼德自研的通用模型,关于深度学习模型的详细介绍及使用说明请参考深度学习模型简介。
可通过以下方式对深度学习模型进行微调:
-
采集模型识别效果不好的图像。
-
使用 Mech-DLK 新建空白工程,并添加对应的算法模块。
-
在
中开启“开发者模式”。 -
导入采集的图像并完成标注。
-
单击
。在训练参数设置窗口中的模型微调选项卡下,开启微调并勾选深度学习模型微调后,单击
选择深度学习模型(“.dlkmp” 文件)。
-
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。
级联模型迭代
训练级联模型时,可在模块栏选中单个模块,使用以上操作方式迭代该模块。
级联模块前序模块更新后,后序模块也需要重新训练。若某一模块出现漏检、过检等情况,应对该模块进行迭代,然后在下一级模块中使用该模块的新增图像作为迭代数据,对下级模块进行迭代。