蓝色定位和蓝色读取的数据库概述

训练关闭 训练是您的工具（神经网络）根据您的标注学习特征（像素）的过程。例如，工具将根据您绘制的缺陷/正常标注，学习每个图像中的缺陷/正常像素。工具训练的目标是充分学习，能够对未见过的图像是否缺陷给出正确的检测结果。训练的关键是确保将所有可能的变化都包括在训练集中，并且图像被正确标注。训练时间因应用程序、工具设置以及用于训练网络的 PC 中的 GPU 而异。工具后，您可以在数据库概述窗格中找到有关工具性能的统计信息。

注意： 蓝色定位和蓝色读取工具使用相同的指标来计算统计结果。

The Confusion Matrix of the Blue Locate and Blue Read tools have three main sections. For more information, see the table below.

数字 说明
1

混淆矩阵是一个用于将工具预测与您的标注关闭 标注是用“真值”来注释图像的过程。根据您使用的工具，标注可以采用不同的形式。标注图像集有两个原因：提供训练工具所需的信息，并允许您根据真值衡量和验证受训练的工具的性能。进行比较的表格。矩阵中的每一行显示您标注的特征关闭 特征是图像上可进行视觉辨识的区域。特征通常代表对应用相关的内容（缺陷、对象、对象的特定部分）。数量，这就是真值关闭 真值指的是机器学习模型所要解决问题的实际性质，这一性质通过相关示例数据集得以体现。监督式机器学习模型在标注数据上进行训练，这些数据被视为模型识别模式的基础，从而能够预测新数据中的标注。。每一列显示工具预测的特征数量，这些特征是工具在训练后返回的标记关闭 图像标记是由 VisionPro Deep Learning 工具生成的注释。工具生成的标记是工具处理特定图像时获得的“答案”。您可以通过将工具生成的标记与用于同一图像的标注进行比较，从而验证工具的性能。与标注一样，生成的特定标记取决于工具。。

单元格的颜色表示预测特征数量（单元格的值）与标注特征总数量（该行总值）之间的比率。颜色较深表示比例较高，而颜色较浅表示比例较低。

例如，(2,2) 位置的单元格颜色是棕色，因为该工具预测了 127 个特征轴，这占标注为轴的特征的 90.7% (127/140)。

混淆矩阵中深色单元格的对角线表明性能良好。

性能良好

性能不佳
注意： 如果您单击混淆矩阵中的一个彩色单元格，视图关闭 图像的视图是图像中的像素区域。工具处理仅限于视图中的像素。您可以手动指定视图，也可以使用上游工具的结果生成视图。浏览器将显示相应的视图。
2

计数选项允许您选择查看所有视图的统计结果，还是仅查看未训练视图的结果。

  • 全部：查看从训练集和测试集计算出的统计数据。

  • 未训练：查看从测试集中计算出的统计数据。这些是训练集中未包含的视图。
3

每个特征类的详细统计数据。

列 说明
特征 显示特征类的名称。
已找到

显示工具在处理所有视图时识别为该类的特征数量。
训练

显示训练集中包含的此特征类特征的数量。
已标注

显示所有视图中包含此特征类的特征数量。
召回

召回是指工具正确识别标注特征或类的百分比。
精度

精度指的是与标注特征或类相匹配的已检测特征或类的百分比。
F-得分

F-得分代表工具的整体精确性。F-得分是召回和精度得分的调和平均值，它提供了一种同时平衡精度和召回的单一指标。F-得分的值在 0 到 1 之间，1 表示更好的得分。

使用模型关闭 特征集合的特定空间排列（仅限蓝色定位和蓝色读取工具。）在后处理步骤中，蓝色定位和蓝色读取工具可以将在图像中检测的所有特征与该工具定义的模型相拟合。然后返回模型的整体位姿和标识。时，数据库概述会返回每个模型的统计结果，而不仅仅是单个特征。模型的统计结果以相似的表格格式显示，因为特征统计和类别是相同的。

如果在大致相同的位置存在标注模型并且该找到的模型具有接近相应标注特征的特征，则找到的模型是正确匹配（正确标注的模型）。VisionPro Deep Learning应用程序计算模型基于此项的精度、召回和 F-得分。如果一个视图中有多个模型，应用程序会分别计算每个模型的所有指标。