图像大小和尺寸

下表中的数字（例如每个流的最大图像数）是经过实验测试的，这些值因您所依赖的硬件设置而异。内存（不是 GPU RAM）和硬盘容量越大，您可以处理的图像就越多越大。随着图像的数量和尺寸越来越大，所有图像的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。和处理时间也随之增加。

工具	工具类型	最小大小	最大大小（通道参数设置为 1 到 4）	每个流的最大图像数量	每个图像的最大训练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）。	最大离散标注标注是用“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。特征	最大类数	每个图像的最大缺陷数
蓝色定位	不适用	不适用	支持最大 32MP（高度或宽度最大 16k）的图像。宽度最大 32k 像素的图像（在一个维度上，取决于 GPU 资源）。不支持超过 32k 的图像。	25000	1000	256	不适用	不适用
蓝色读取
绿色分类	遗留	不适用		25000	不适用	不适用	200	不适用
	标准
红色分析	遗留	不适用		1000	不适用	不适用	不适用	1000
	标准	96 x 96（像素）

注意：对于蓝色定位工具，每个图像采用数百个特征会显著降低用户界面的运行速度。