前面分别针对模型优化方法，列举了关于VM算法平台和VisionTrain下的一些操作细节。

而在这些进阶操作之前，应当把握好问题初衷，俗话说经济基础决定上层建筑，那么下面四大要点，既是深度学习模型性能的影响因子，又是关键要素。

1.样本量

• 一个精度高的模型需要一定量的训练样本，不同的训练类型和不同的目标形态，会影响到模型的检出能力，因此需要扩充样本来提高鲁棒性。在VT中通过添加图片，或者添加文件夹的方式来增加训练集样本。

• 在项目的评估验证期，针对小体量训练集，应增大迭代次数。关于训练参数的设置，可参考对应的训练说明手册。
  
• 凡是小样本下抛出的模型问题，不能说明算法的优劣性，应当在评估完毕后，选择扩充训练集样本量，重新设置参数训练，再去考虑进阶的优化操作，或是重新评估算法能力。

2.标注规范

 1）主要表现在图像分割的标注上，经常会出现下图标注情况：

• 图像分割是识别目标轮廓的算法，在标注时应尽量逐像素标定，并贴近缺陷的形状和方向，减少非缺陷特征的干扰。若缺陷1和缺陷2靠的较近，应当分开进行标定，而不是标为一处缺陷，尤其是多分类任务下

• 完整的标定所有规定好的缺陷类型，下图右下角黑点为漏标情况

•  裂缝等比较细的缺陷需要标定稍粗一点，每个缺陷都会有灰度渐变区，应当一并包含进来。同时也不能将其他缺陷特征也包含进来（下图为多分类情况）

• 注意，图像分割的画笔工具是不支持赋予缺陷类别名的，也就是说当项目需要同步做缺陷定位和分类时，画笔工具首先要排除掉。而大多数的缺陷都是不规则的，矩形和圆形标注工具则显得较为局限，建议默认用多边形工具。

• 对于图像分割的标注，在以上标注规范基础上，如果需要做分类，则需保证类别之间特征差异大，类别内特征差异小，类别数尽可能少的原则，不应以目标出现区域或生成原因划分缺陷类别。下面的图例在模型优化方法中有提到过，两个缺陷类别应合并：

2）若项目是需要检测目标位置的（目标检测），或者检测带角度的字符行位置时（文本行定位），通常使用矩形框标注，而矩形框的朝向应以下图为例：

• 同时，案例图为文本行定位标注，因此两端需留半个字符的空间，同时在训练参数中打开朝向按钮：
  
• 如果是目标检测，则需要打开角度按钮：
  
  
  

3.成像质量

如下图：

• 例1：调整打光方式，保证目标轮廓的成像清晰，比如选择与特征颜色相近的光源照射，以打亮相近色。
  

• 例2：使目标对焦，或更换高分辨率镜头，使目标拥有更多的像素点，以保留特征信息。

4.选择与项目合适的训练任务

不同深度学习算法的适用范围可参考训练说明文档。

• 例1：对极小目标的检出任务，使用了目标检测模型，显然是不科学的，目标检测在大patch高精度情况下，检出缺陷与背景占比最小在1.31%，小缺陷的检出建议使用图像分割模型。

• 例2：需要定位到不同类别的目标，此任务应选择目标检测模型而不是图像分类，图像分类又成为全图分类，并不会输出预测的box位置。

• 例3：在项目过程中需要不断增添新类别，则应选择图像检索模型，通过注册新类的gallery来实现。

• 例4：字符串不在同一水平行的情况，应使用单字符识别，而不是文本行定位+文本行识别，文本行定位目前虽然支持全范围角度，但当各字符位置不一时，使用文本行将会包围住背景特征，在具有多字符或高噪点的项目中极易产生混扰。如下图的圆环字符及弯曲字符。 

• 例5：实例分割即语义分割与目标检测的结合，通常使用在需要同时检出目标轮廓以及同类目标下不同个体的区分，比如针对叠件的检测。

• 例6：当检出对象为标准logo图案时，可以考虑使用异常检测，或者直接使用VM4.2新推出的无监督模式，对收集的OK图做统一导入和训练即可。当然，如果有充足的NG样本，直接使用图像分割是最具精度的训练方式，只是需要投入标注成本。但根据VisionTrain1.4.2现有的功能来看，目标检测已集成有预标注功能，相信图像分割的预标注也应该会在后续版本推出。
  
  

从更深层次来看，以上的操作实际上正是各种数据清洗的过程，目的是为了让数据分布更加科学，使卷积层权重在反馈中更新时，能朝着理想方向快速找到极值。