统计结果
VisionPro Deep Learning 应用程序利用多个统计结果，从不同角度展示工具的性能。结合这些统计数据来判断工具的性能。
数据库概述中的统计结果
您可以在数据库概述窗格中找到以下统计结果：
-
混淆矩阵是一个直观表示，用于将您的标注
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。（代表真值 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。）与工具的预测进行比较。 -
召回是指工具正确识别的标注特征
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）。或类的百分比。 -
精度是检测出的特征或类中正确的百分比，换句话说，就是与标注特征或类相匹配的百分比。
-
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。
-
处理时间是上一个处理会话中每个图像的平均处理时间。处理时间是处理时间和后处理时间的总和。
视图查看器中的异常值评分
异常值评分显示了某个视图 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。相较于训练 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。集中其他视图的偏离程度。高异常值评分可能表明生产过程中发生了异常，例如，光照条件发生了变化。
标准类型绿色分类工具支持异常值评分统计，您可以通过异常值评分处理参数启用该功能。
如果您启用此参数，异常值评分将包含在视图浏览器列表中。
视图检查器中的模型匹配评分
模型 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。匹配得分在视图检查器中称为得分。该指标是使用模型训练的蓝色定位和蓝色读取工具独有的。得分是以下指标的组合：
- 模型中各特征的平均评分。
- 几何得分基于模型中特征的几何排列。
损失检查器中的验证损失评分
损失 损失是指验证损失，这是一个显示工具在验证集上表现的指标。损失的值可以介于 0 和 1 之间。VisionPro Deep Learning 应用程序根据工具在处理验证集图像时所出现的错误来计算损失。在训练期间，您可以使用损失检查器实时检查损失。是指验证 验证是指在工具训练过程中用于评估性能的一个过程。验证就像工具在训练阶段进行的模拟考试，是与最终测试分开的。例如，验证可以帮助您识别过拟合，并避免在训练工具时浪费时间。如果您意识到该工具正在过拟合，可以提前停止训练。损失，这是一个显示工具在验证集 验证集是一组保留用于验证的图像集。验证集与训练集和测试集是独立分开的。由于验证集是独立的，您可以评估该工具在处理未见过的图像时的表现。VisionPro Deep Learning应用程序计算特殊指标，即损失。损失是基于工具在验证集上的表现。上表现的指标。损失的值介于 0 和 1 之间。VisionPro Deep Learning 应用程序根据工具在处理验证集图像时所出现的错误来计算损失。在训练期间，您可以使用损失检查器实时检查损失。