操作环境：VisionMaster4.1.0，其他版本个别参数未开放

问题：图像分割、目标检测、字符定位模型，在VM中预测时出现了固定区域的误检情况。
在采用下述解决方法前，需仔细研读对应的训练指导说明，或者可以查阅上篇关于VisionTrain的标注细节，检验标注数据是否合理。

下面本文主要以训练任务划分，列举几种常见的操作问题。

通用解决方法：

• 将误检样本再次添加至训练集，并适当增加迭代轮次（epoch）重新训练，其中：文本行识别开放的是迭代次数（iter）的接口，可以间隔3000适当增加。而图像分割由于内部机制，开放的epoch存在公式系数，因此默认为15，可以间隔5适当增加，如20，25，30。
• 其他训练任务的迭代设置可参照对应的训练指导。

解决方法---按训练任务划分：

图像分割：

• 对于多分类任务，检查DL图像分割模块是否输出了类别图，后接的blob标签分析模块是否以类别图作为输入源。
  
• 对于二分类任务（只定位缺陷的位置，即缺陷有无，在做标注时不用赋予缺陷类别名），检查DL图像分割模块是否只输出了缺陷概率图，后接的blob分析模块是否以缺陷概率图作为输入源，同时在参数设置中极性应是亮于背景。
  
  
  
  

目标检测：
在模块内的参数设置中，调整好查找个数、置信度和重叠率。参数含义为：

• 最大查找个数 ：目标检测的最大查找目标个数
• 最小置信度 ：目标框的最小得分，小于此数值会被过滤
• 最大重叠率 ：两个相同类别目标框之间可重叠的最大比例

注意是否是上述参数的问题，导致某些目标被过滤。

图像分类与图像检索：

• 从样本数据的训练方式以及分类标准上入手，分类和检索由于原理不同，前者更适合类间差距大的场景，后者更适合类内差距小的场景。。
• 图像检索中误识别的样本可注册到gallery对应的类别中。

字符定位与字符识别：

• 若字符识别错误，大概率是由于字符定位不准导致，可以在流程中只拖出一个字符识别模块，选取合适的ROI后再观察检出效果。
• 字符行的标注方法详见对应的训练说明文档，包括训练参数的设置。标注的重点在于：对于多字符情况，字符行的左右端需空出半个字符，上下端稍做余留。对于单字符，左右端应空出1个字符，上下稍作余留。
  

实例分割：

在模块内的参数设置中，调整好查找个数、置信度和重叠率。参数含义为：

• 目标框置信度 ：目标框的最小得分值，小于此数值会被过滤
• 目标框重叠率 ：两个相同类别的目标框之间可重叠的最大比例
• 掩膜置信度 ：掩膜的最小得分值，小于此数值会被过滤
• 掩膜重叠率 ：两个掩膜框之间可重叠的最大比例

注意是否是上述参数的问题，导致某些目标被过滤。

异常检测：

• 检查OK样本的规范性，是否存在较大偏移，一般会用在商标logo的缺陷检测。
• 目前VM4.2以及VisionTrain1.4.2推出了无监督功能，算法性能更优于异常检测，针对只存在OK样本的场景下，更推荐使用无监督做测试。