跳到主要内容

预测参数

如果检测结果不符合预期，可以尝试调整预测参数，以达到满意的效果。

调整置信度​

置信度是一个介于 0 到 1 之间的数值，表示模型对自己预测结果的把握有多大。

  • 分数越接近 1，表示模型对该检测结果越确信

  • 分数越接近 0，表示模型对该检测结果越不确定

默认值为 0.50。通常不调整置信度；如果模型检出的置信度较低，建议增加相似数据。

情况置信度阈值结果
发生过检调高阈值过滤掉低分过检
发生漏检调低阈值检出低分的漏检

默认值为 0.50：

将预测阈值实际调为 0.9999 后，当前分数约为 0.9991 的划痕结果会被过滤；界面按两位小数显示为 1.00：

调整 iou_threshold​

iou_threshold 用于合并同一目标的重叠检测结果。

IoU 的计算方式​

IoU = 两个检测框的交集面积 ÷ 并集面积。完全不重叠时为 0，完全重合时为 1。

下图说明交集、并集与 IoU 的计算关系：

下图展示不同检测框的重叠情况。

iou_threshold 对合并结果的影响​

IoU 是两个框的重叠程度，iou_threshold 是决定是否合并结果的阈值。模型后处理时，两个候选框的 IoU 大于阈值后，会保留分数较高的结果并移除另一个重叠结果。

  • 调低阈值：较小的重叠也会触发合并，重复结果通常更少。
  • 调高阈值：需要更大的重叠才会触发合并，更容易保留多个结果。

下图使用同一处划痕的三个重叠候选框对比不同阈值。阈值为 0.30 时保留 1 个结果；阈值为 0.70 时保留 2 个结果，目标在两种设置下均被保留。

默认值为 0.20：

自动标注复杂度（按L键标注）​

模型会先对当前图片进行推理并显示检测结果。确认结果可用后，按 L 键保存为自动标注。使用前需确认加密狗和自动标注功能可用、处于标准模式、模型已加载，并在文件树中选中具体图片；选择目录无效。模块化任务模式下需先切换到标准模式。

自动标注复杂度主要是控制自动标注生成的缺陷轮廓的精细程度，值越大，轮廓点越多越精细；值越小，轮廓点越少越粗糙。

类别屏蔽​

通过类别屏蔽，可以过滤掉不想看的检测结果。但模型仍正常推理所有类别，只是不在界面上显示。

当前手机屏幕实例分割模型的类别下拉框包含【斑点】、【划痕】和【油污】。示例图片 手机屏幕.jpg 实际检出 1 个【划痕】结果：

选择【划痕】后，该类别不再显示；当前图片没有其他类别结果，因此界面显示【OK】：

屏蔽 OK 类别​

如果模型本身包含名为“OK”的类别，也可以在“类别屏蔽”中选择该类别，隐藏对应的预测结果。这与可视化参数中的“显示OK”不同：前者过滤模型类别，后者控制无缺陷结果时的提示文字。

未屏蔽 OK 类别的结果示例：

屏蔽 OK 类别后的结果示例：

显示 Mask​

显示模型检测结果的掩膜。取消【显示mask】后，检测区域的半透明填充隐藏，已开启的边框和轮廓仍保留：

显示边缘​

显示模型检测结果的边缘轮廓。取消【显示边缘】后，不再绘制检测区域的轮廓线，已开启的掩膜填充仍保留：