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。

默认值为0.5，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

如果检测结果出现重合，可以调整 iou_threshold，合并或者拆分结果。

iou 指的是重叠区域的占比，如图所示：

可以参考下图的例子，直观地感受不同的 iou 的区别：

那么如果模型检测出来的框太多，如下图所示：

我们就可以调整 iou_threshold，合并这个多余的检测结果：

在测试平台上，加载模型和数据后，模型会先对当前图像进行推理并显示检测结果。

若认为模型推理结果准确可用，可按下 L 键自动标注，软件会将当前推理结果作为标注保存下来。

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。

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。

当我们只关注某个类别的缺陷检出情况时，可以暂时将其他已训练的类别屏蔽，界面只展示当前关注的缺陷类型。在没有设置类别屏蔽时，现在图片上的划痕和斑点被正常检出。如下图所示：

但是我们只想查看划痕的检测结果时，设置类别屏蔽，将【斑点】屏蔽。如下图所示：

在做检测任务过程中，当存在过检问题时，我们可能会在过检区域标注“OK”样本进行对抗训练。此时需要将“OK”类别屏蔽，避免检测结果界面被大量正常样本的检测框干扰，只关注真正的缺陷检出情况。

存在OK结果，如下图所示：

屏蔽OK结果后，如下图所示：

显示模型检测结果的掩膜。

显示模型检测结果的边缘轮廓。