优化统计结果

本节中的主题提供了增加 VisionPro Deep Learning 应用程序统计性能的有用提示和技巧。

 

优化精度、召回、F-得分

每个 VisionPro Deep Learning 工具都有一个可调整的公差，这允许工具在预测时保持“挑剔”态度。

	蓝色读取工具	蓝色定位工具	绿色分类工具	红色分析工具
在哪里调整	特征位置 特征得分 匹配数据	特征位置 特征得分 匹配数据	匹配得分	缺陷区域 得分
正在调整的内容	特征得分	特征得分	类得分	缺陷概率

此外，您还可以调整每个工具的阈值参数（处理工具参数之一）。

更改阈值参数会通过以下方式影响召回和精度：

阈值	召回	精度
降低阈值	增加	减少
提高阈值	减少	增加

更改阈值参数会通过以下方式影响假阳性和假阴性：

阈值	假正值	假阴性
降低阈值	减少	增加
提高阈值	增加	减少

 

如果要平衡的假阳性 (FP) 和假阴性 (FN) 结果，则应优化 F-得分（总体和平均值）。

 

优化红色分析结果

要优化红色分析工具的性能，请记住以下内容：

• 更喜欢未经训练的对象的 AUC。

• 喜欢基于区域的 AUC。

  • 这要求您标记所有不良样本。
  • 通常远低于基于视图的 AUC。

• 阈值设置取决于应用程序的要求。

  • 高阈值以避免假正值。
  • 低阈值以避免假负值。
  • 另外，一个很好的折衷方案是 %FP = %FN。