迭代模型

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

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:

  1. 采集模型识别效果不好的图像。

  2. 使用 Mech-DLK 打开模型所属的工程。

  3. 设置  设置 中开启“开发者模式”。

  4. 导入采集的图像并完成标注。

  5. 单击 training parameter icon。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

  6. 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。

  7. 单击确认保存配置好的参数信息。

  8. 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:

  1. 采集模型识别效果不好的图像。

  2. 使用 Mech-DLK 新建空白工程,并添加对应的算法模块。

  3. 设置  设置 中开启“开发者模式”。

  4. 导入采集的图像并完成标注。

  5. 单击 training parameter icon。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 model iteration folder 选择深度学习模型(“.dlkmp” 文件)。

  6. 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。

  7. 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。

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。