深度学习影响map值（深度学习阿丘科技AIDI标注工具使用）

1.自由模式：单击后斜拉画出任意矩形框标注。弹出标签框后选择标签名称，标注完成。

2.标准模式：点击直接放置固定大小的矩形框标注，可以调整矩形框的宽、高。弹出标签框后选择标签名称，标注完成。 *目标大小固定时推荐使用标准模式进行标注。

3.修改模式：修改已有标注的大小、位置和标签。选择修改模式，点击图片中的标注框，拖拽边框修改标注大小，鼠标右键长按移动标注框修改标注位置，点击标签名称修改标注标签。

4.编辑标签：添加、删除、修改类别标签。检测标签名称长度限制为10个字符。

①　添加类别标签。 ②　选择标签显示顺序规则。 ③　选择正序或倒序。 ④　删除类别标签。

5.属性系统：设置标注&推理结果、绘制过程的颜色属性。颜色属性唯一，不能重复设置同种颜色属性，已经选择的颜色不能再选择。 *建议使用默认设置。

6.撤销和恢复：操作的撤销（返回上一级操作）和恢复（返回下一级操作）。撤销快捷键ctrl Z;恢复快捷键ctrl Y。

7.启用默认标签：选择一个标签作为默认标签，在图上绘制标注，将会自动添加选中的默认标签。 *缺陷类型一致时推荐使用默认标签进行快速标注，默认标签同时作用于编辑模式修改标签。

8.保存测试结果为标注：点击后，测试结果转化为标注结果。

9.保存：保存当前图片的标注结果，不跳转到下一张图片。

10.保存并跳转：保存当前图片的标注结果并跳转到下一张图片。

11.关闭：关闭缺陷标注模式，恢复到显示模式。

12.标签列表：显示当前所有标签及其属性。勾选标签前的复选框，图片显示相应的标签标注。

• 迭代次数：每次迭代训练集图像均参与一次训练。
• 训练批次：网络训练每一次迭代时参与训练的图像数量，合适的批次能充分利用硬件性能和提升收敛速度，常见值有4，8，16，分类模块需要设置大一些，一般为32，64。
• GPU数量：训练时使用的GPU的数量，GPU数为0表示使用CPU训练，GPU数超过1表示用多张卡训练。
• *指定GPU：按指定顺序优先使用指定的GPU，如果指定GPU少于设置的GPU数量，将根据情况自动分配其他GPU。
• 掩模模式
• 训练推理均使用：训练推理时掩模区域均不参与计算。
• 不启动：掩模不起作用。
• 作为通道：掩模图作为输入图像的一个通道，训练推理均参与计算。
• 基准通道：原图转换为彩色图或者灰度图进行训练，aqimg则每一张图均单独进行转换。

• 左右翻转：训练集图像随机左右翻转。若待检测物是左右对称的，则开启左右翻转。
• 上下翻转：训练集图像随机上下翻转。若待检测物是上下对称的，则开启上下翻转。
• 垂直旋转：训练集图像随机旋转90、180、270度。
• 启用轻微旋转：训练集图像在设定角度范围内以转动间隔为步长围绕图像中心随机旋转。参考范围（-30~30）。

• 启用平移变换：训练集图像随机横向纵向平移一定比例。
• 纵向平移率：随机对图像进行纵向按比例平移，边界补0。参考范围（0.001~1）。
• 横向平移率：随机对图像进行横向按比例平移，边界补0。参考范围（0.001~1）。

• 启用缩放变换：训练集图像以图像中心为原点缩放，放大时会裁剪溢出区域。参考范围（0.5~2）。

• *启用扭曲变换：训练集图像模拟由于镜头老化等因素产生的图像扭曲，扭曲强度0~2效果逐渐增强。

• *裁剪溢出部分：剪裁掉由几何变换（平移变换、垂直旋转、小幅旋转）导致的溢出区域。

• 启用光照变化：训练集图像进行线性灰度变换，光照强度范围0~1降低亮度，1~2增强亮度。

• 启用对比度变化：保证图像整体亮度基本不变的情况下调整训练集图像对比度，对比度变换范围0~1降低对比度，1~2增强对比度。

• *启用颜色滤镜：模拟不同颜色灯光或加滤镜产生的光照效果（只支持彩色图像），颜色滤镜强度控制允许的颜色滤镜的最大强度，0~2效果逐渐增强。

启用噪声：模拟相机或外部环境产生的随机噪声，噪声强度0~2效果逐渐增强

• *启用光照渐变：模拟光照位置偏移产生的光强渐变场景，光照渐变强度0~2效果逐渐增强。

• 启用模糊：模拟由于镜头失焦产生的图像模糊，模糊强度0~2效果逐渐增强。

• *启用锐化：通过锐化图像模拟镜头对焦更准确的场景，锐化强度0~2效果逐渐增强。

• *启用图像增强：使用增强图像进行训练及推理。
• 细纹理特征尺寸：期望保留的细节纹理尺寸大小，值越大保留细节区域越多。
• 粗纹理特征尺寸：期望保留的粗糙纹理尺寸大小，值越大保留细节区域越多。
• 细纹理增强系数：细节纹理增强系数，值越大保留细节越强。
• 粗纹理增强系数：粗糙纹理增强系数，值越大保留细节越强。
• 原始图保留比例：原始图保留比例，值越大非细节部分保留越多，细节部分不受影响。
• 像素保留模式：按像素值累计分布比例或有效值域比例进行截断，对超出保留比例的像素值进行饱和截断。
• 像素保留比例：按数值累计分布保留比例区间，若按值域则将像素保留比例图像最大值域范围，如8Bit图像则乘255。

• 选择模型类型：根据目标大小选择模型类型，一般宽高小于20个像素的缺陷认为是小型目标。
• 模型版本
• 低精度标准：训练推理快，检测一般缺陷效果好；
• 低精度加速：比低精度标准训练推理更快，检测效果比低精度标准稍差；
• 高精度：训练推理慢，复杂缺陷检测效果好。

最大边长：将输入图像长边缩放为最大边长，短边等比例缩放，若算法计算出需要的最大边长小于该参数，则自动设置最大边长。

• *引擎类型
• 快速启动：启动速度快，推理速度一般；
• 极速推理：第一次启动慢，推理速度最快，推理结果有轻微的失真；
• 极速推理高精度：第一次启动慢，推理速度介于快速启动和极速推理之间。
• *GPU数量：指定测试中可以使用的GPU数量，数量为0表示使用CPU推理，指定测试使用的GPU数量超过GPU数量，测试时使用实际GPU数量。
• *指定GPU：按指定顺序优先使用指定的GPU，如果指定GPU少于GPU数量，将根据情况自动分配其他GPU。
• *保留前模块结果：此模块只适用于工厂模式，开启后推理结果中ext_info字段中新增一个front_result字段用以存储前一模块检测结果。

• 置信度：大于该阈值判定为目标。
• 目标交叠率：交并比大于该阈值选择置信度大的目标
• *后处理方式
• 非极大值抑制：一旦出现交叠框的交并比大于阈值，必然只保留一个。
• 软非极大值抑制：仅根据交叠框的交并比数值，将得分下调。如果得分低于阈值则不输出（不确保只保留一个）！建议根据需求“对于检出的交叠的目标，是否应仅保留一个”选择。通常选择非极大值抑制

• 启用后处理：可以改变目标框大小和中心位置。
• 目标宽度：后处理后目标宽度（已知目标框大小时启用）。
• 目标高度：后处理后目标高度（已知目标框大小时启用）。
• 目标横向偏移：后处理后目标框横向偏移（已知目标框位置时启用）。
• 目标纵向偏移：后处理后目标框纵向偏移（已知目标框位置时启用）。

• bbox_accuracy选框准确率，表示结果类别和位置的准确率，值越高说明学习效果越好。
• loc_loss_box 定位框位置回归的loss，值越低学习效果越好。
• loc_loss_cls 定位框类别和位置回归的loss，值越低学习效果越好。
• loss_bbox 实际类别分类和位置二次修正的loss，值越低学习效果越好。
• loss_cls 实际类别数分类和位置二次修正的loss，值越低学习效果越好。

• 混淆矩阵过滤规则：
• 所有：所有图片的混淆矩阵。
• 名称检索：只显示根据图像存储名称进行过滤后图片的混淆矩阵。
• Tag检索：只显示根据图像Tag进行过滤后图片的混淆矩阵。
• 训练集：只显示训练集的混淆矩阵。
• 测试集：只显示测试集的混淆矩阵。
• 在混淆矩阵中点击数字，图片列表会根据筛选规则自动筛选出图片。

• 混淆矩阵可以选择图片级和区域级，数量矩阵和概率矩阵。选择区域级，点击查看详情打开完整的混淆矩阵。