AI应用备注

1、实际应用中图像的分辨率往往很大，请问下你们都是怎么处理这个问题的？

答：图像分辨率较高，缺陷尺寸较小，是工业检测的一个特点。相比图像分辨率，我们更关注缺陷所占用的分辨率，可把图像缩放至人眼能看清缺陷为宜。如果此时图像分辨率仍然比较大，可对图像进行裁切或者使用更大显存的显卡进行训练。

2、  深度学习分割功能的标注，如果是产品部分缺失那种缺陷，该如何标注呢？

答：把缺失部分标注出来。

3、  Deep OCR能只训练某些特定字符吗？

答：可以。Deep OCR训练时支持两种字符集方式，一种是在原有字符集基础上添加字符，一种仅训练样本集中标注的字符。可以通过set_dl_model_param (DLModelHandle, 'alphabet', Alphabet)来设置。

4、 分类和异常检测（无监督）这两种模式该如何选择？在什么情况下，哪种效果会更好？

答：如果每一类样本充足，那么优先选用分类进行检测；对于缺陷样本不足以及存在无法提前预知的未知异常的场景，优先选用异常检测。

针对具体应用，也可同时使用这两种方法进行测试，对比具体效果。

5、 异常检测会不会对正样本的种类有使用限制，比如我从一张大图像上裁剪出许多小图，作为正样本，会不会因为正样本种类太多，导致异常检测效果不好？

答：关键看检测对象的种类。如果是同一类检测对象，正样本图像之间有差异，那么没有问题；如果是很多种不同种类的检测对象，那么对每一种类单独使用异常检测，比同时把很多种不同种类的检测对象作为一种检测对象的效果要好。

6、深度学习检测对背景一致性要求高么？

答：没有特别的要求。但样本应覆盖背景变化情况。

7、对环境光照要求高吗？

答：没有特别的要求。网络经过训练，可以兼容光照变化。

8、请问对于缺陷检测负样本较少时，如何处理？

答：可使用异常检测。