模型优化方法---VisionTrain训练篇
本文根据个人经验整理了几个常用的模型优化方法,先从VisionTrain开始讲起!

问题:在做深度学习项目,经常会遇到模型在VM预测时,出现了部分样本的误检或漏检的情况。

对于上述情况,首先需要仔细研读对应的训练指导说明,查看是否是某一步操作问题导致模块报错,或者参数设置错误。


由于篇幅有限,针对一些特殊的优化细节,本文以是否做多分类任务为划分,大致的列了以下几点。


多分类

  • 如图像分类、目标检测和图像分割,需考虑类别之间是否有一定差异性,特征相似的类别应做合并。深度学习的分类标准是以目标特征分类,不应以目标出现区域或生成原因划分,下图中的凹坑和边缘掉料特征相似,应合并成一个。

     

  • 对于图像检索,可将误识别的样本注册到gallery对应的类别中,图像检索的loss通常会大于0.4以上,但并不影响检出精度,可能与内部的Loss函数计算方法有关。

    


二分类(也可称做单类别,即不做分类,只定位出目标位置):

  • 背景中存在相似特征的,对于图像分割,可直接在此区域作忽略标注,建议所有图片统一做忽略。也可以新添加几张OK样本图,或者尝试使用自学习算法训练。

    

  • 对于目标检测,在VT1.4.1版本中可添加几张OK样本作为背景图,也可以更换训练参数,如大Patch,高精度模型,并适当提高迭代轮次。
          
  • 对于字符识别,通常是由于字符定位模型偏移,或是未开启朝向使能,而导致定位框未按字符方向旋转,也可能是字符像高占背景比过小,超出了算法下限,应尽可能的放大字符大小,比如缩小视野,裁剪图像大小等。

          

  • 其他训练任务由于可调整的标注和训练参数不多,应着重与样本数据的清洗,可以使用常用方法提高模型性能。如提高缺陷对比度,增加样本量,选择更合适的算法,调整标注策略,将误检或漏检样本再次添加至训练集,并适当增加迭代轮次重新训练,etc。
版权声明:本文为V社区用户原创内容,转载时必须标注文章的来源(V社区),文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件至:v-club@hikrobotics.com 进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容。
上一篇

如何集成第三方算子(如OpenCv,Halcon)到VisionMaster软件中

下一篇

模型优化方法---VM算法平台预测篇

评论请先登录 登录
全部评论 1

“作为背景图”——作用是什么呢?

2022-05-20 09:32:13 未知地区
回复
  • 1
Lv.0
1
关注
36
粉丝
13
创作
47
获赞
所属专题
  • 什么是深度学习?
  • 深度学习的前沿研究与应用
  • 深度学习和传统算法在缺陷检测应用中的特点
  • 深度学习训练工具VisionTrain1.4.1功能更新说明
  • 模型优化方法---通用基础篇
  • 模型优化方法---VM算法平台预测篇
  • 模型优化方法---VisionTrain训练篇
  • 模型优化方法---预测耗时篇
  • 深度学习小工具之快速图像分割
  • 深度学习小工具之标签转化工具
  • 深度学习小工具之图像名称、标签文件内容修改工具
  • 训练误差与泛化误差的关系
  • 训练过程中对于误差值的理解
  • 基本图像增强算法对深度学习模型结果的影响
  • 使用VM深度学习功能实现模型训练与图像检索功能
  • 智能相机-深度学习OCR训练及优化指南
  • 一种提升OCR模型识别率的优化方法
  • 根据实际需求找到最优方案-OCR识别篇
  • 多分类分割任务下实现指定类别的阈值调整
  • 多分类分割任务下的标注问题及解决思路
  • 图像分割标注训练经验分享
  • 基于VM界面层的多类别缺陷统计方案
  • VM深度学习OCR项目经验分享
  • 【VM集成开源AI】深度学习算子模块封装
  • 深度学习推理耗时波动现象的解决方法
  • 【共享学习】关于深度学习显卡推理那些事儿
  • VM7100深度学习检测温度传感器焊点,裸针,锡珠,超盘,
  • 深度学习缺陷检测项目经验分享
相关阅读
  • [共享学习]VM之角度纠正问题
    2024-03-07 浏览 0
  • 机器视觉菜鸟指南
    2024-02-29 浏览 0
  • 基于C++OpenCV实现VisionMaster中的“直线边缘缺陷检测”
    2024-03-04 浏览 0

请升级浏览器版本

您正在使用的浏览器版本过低,请升级最新版本以获得更好的体验。

推荐使用以下浏览器