1.自由模式：單擊後斜拉畫出任意矩形框标注。彈出标簽框後選擇标簽名稱，标注完成。

2.标準模式：點擊直接放置固定大小的矩形框标注，可以調整矩形框的寬、高。彈出标簽框後選擇标簽名稱，标注完成。 *目标大小固定時推薦使用标準模式進行标注。

3.修改模式：修改已有标注的大小、位置和标簽。選擇修改模式，點擊圖片中的标注框，拖拽邊框修改标注大小，鼠标右鍵長按移動标注框修改标注位置，點擊标簽名稱修改标注标簽。

4.編輯标簽：添加、删除、修改類别标簽。檢測标簽名稱長度限制為10個字符。

①　添加類别标簽。 ②　選擇标簽顯示順序規則。 ③　選擇正序或倒序。 ④　删除類别标簽。

5.屬性系統：設置标注&推理結果、繪制過程的顔色屬性。顔色屬性唯一，不能重複設置同種顔色屬性，已經選擇的顔色不能再選擇。 *建議使用默認設置。

6.撤銷和恢複：操作的撤銷（返回上一級操作）和恢複（返回下一級操作）。撤銷快捷鍵ctrl Z;恢複快捷鍵ctrl Y。

7.啟用默認标簽：選擇一個标簽作為默認标簽，在圖上繪制标注，将會自動添加選中的默認标簽。 *缺陷類型一緻時推薦使用默認标簽進行快速标注，默認标簽同時作用于編輯模式修改标簽。

8.保存測試結果為标注：點擊後，測試結果轉化為标注結果。

9.保存：保存當前圖片的标注結果，不跳轉到下一張圖片。

10.保存并跳轉：保存當前圖片的标注結果并跳轉到下一張圖片。

11.關閉：關閉缺陷标注模式，恢複到顯示模式。

12.标簽列表：顯示當前所有标簽及其屬性。勾選标簽前的複選框，圖片顯示相應的标簽标注。

• 叠代次數：每次叠代訓練集圖像均參與一次訓練。
• 訓練批次：網絡訓練每一次叠代時參與訓練的圖像數量，合适的批次能充分利用硬件性能和提升收斂速度，常見值有4，8，16，分類模塊需要設置大一些，一般為32，64。
• GPU數量：訓練時使用的GPU的數量，GPU數為0表示使用CPU訓練，GPU數超過1表示用多張卡訓練。
• *指定GPU：按指定順序優先使用指定的GPU，如果指定GPU少于設置的GPU數量，将根據情況自動分配其他GPU。
• 掩模模式
• 訓練推理均使用：訓練推理時掩模區域均不參與計算。
• 不啟動：掩模不起作用。
• 作為通道：掩模圖作為輸入圖像的一個通道，訓練推理均參與計算。
• 基準通道：原圖轉換為彩色圖或者灰度圖進行訓練，aqimg則每一張圖均單獨進行轉換。

• 左右翻轉：訓練集圖像随機左右翻轉。若待檢測物是左右對稱的，則開啟左右翻轉。
• 上下翻轉：訓練集圖像随機上下翻轉。若待檢測物是上下對稱的，則開啟上下翻轉。
• 垂直旋轉：訓練集圖像随機旋轉90、180、270度。
• 啟用輕微旋轉：訓練集圖像在設定角度範圍内以轉動間隔為步長圍繞圖像中心随機旋轉。參考範圍（-30~30）。

• 啟用平移變換：訓練集圖像随機橫向縱向平移一定比例。
• 縱向平移率：随機對圖像進行縱向按比例平移，邊界補0。參考範圍（0.001~1）。
• 橫向平移率：随機對圖像進行橫向按比例平移，邊界補0。參考範圍（0.001~1）。

• 啟用縮放變換：訓練集圖像以圖像中心為原點縮放，放大時會裁剪溢出區域。參考範圍（0.5~2）。

• *啟用扭曲變換：訓練集圖像模拟由于鏡頭老化等因素産生的圖像扭曲，扭曲強度0~2效果逐漸增強。

• *裁剪溢出部分：剪裁掉由幾何變換（平移變換、垂直旋轉、小幅旋轉）導緻的溢出區域。

• 啟用光照變化：訓練集圖像進行線性灰度變換，光照強度範圍0~1降低亮度，1~2增強亮度。

• 啟用對比度變化：保證圖像整體亮度基本不變的情況下調整訓練集圖像對比度，對比度變換範圍0~1降低對比度，1~2增強對比度。

• *啟用顔色濾鏡：模拟不同顔色燈光或加濾鏡産生的光照效果（隻支持彩色圖像），顔色濾鏡強度控制允許的顔色濾鏡的最大強度，0~2效果逐漸增強。

啟用噪聲：模拟相機或外部環境産生的随機噪聲，噪聲強度0~2效果逐漸增強

• *啟用光照漸變：模拟光照位置偏移産生的光強漸變場景，光照漸變強度0~2效果逐漸增強。

• 啟用模糊：模拟由于鏡頭失焦産生的圖像模糊，模糊強度0~2效果逐漸增強。

• *啟用銳化：通過銳化圖像模拟鏡頭對焦更準确的場景，銳化強度0~2效果逐漸增強。

• *啟用圖像增強：使用增強圖像進行訓練及推理。
• 細紋理特征尺寸：期望保留的細節紋理尺寸大小，值越大保留細節區域越多。
• 粗紋理特征尺寸：期望保留的粗糙紋理尺寸大小，值越大保留細節區域越多。
• 細紋理增強系數：細節紋理增強系數，值越大保留細節越強。
• 粗紋理增強系數：粗糙紋理增強系數，值越大保留細節越強。
• 原始圖保留比例：原始圖保留比例，值越大非細節部分保留越多，細節部分不受影響。
• 像素保留模式：按像素值累計分布比例或有效值域比例進行截斷，對超出保留比例的像素值進行飽和截斷。
• 像素保留比例：按數值累計分布保留比例區間，若按值域則将像素保留比例圖像最大值域範圍，如8Bit圖像則乘255。

• 選擇模型類型：根據目标大小選擇模型類型，一般寬高小于20個像素的缺陷認為是小型目标。
• 模型版本
• 低精度标準：訓練推理快，檢測一般缺陷效果好；
• 低精度加速：比低精度标準訓練推理更快，檢測效果比低精度标準稍差；
• 高精度：訓練推理慢，複雜缺陷檢測效果好。

最大邊長：将輸入圖像長邊縮放為最大邊長，短邊等比例縮放，若算法計算出需要的最大邊長小于該參數，則自動設置最大邊長。

• *引擎類型
• 快速啟動：啟動速度快，推理速度一般；
• 極速推理：第一次啟動慢，推理速度最快，推理結果有輕微的失真；
• 極速推理高精度：第一次啟動慢，推理速度介于快速啟動和極速推理之間。
• *GPU數量：指定測試中可以使用的GPU數量，數量為0表示使用CPU推理，指定測試使用的GPU數量超過GPU數量，測試時使用實際GPU數量。
• *指定GPU：按指定順序優先使用指定的GPU，如果指定GPU少于GPU數量，将根據情況自動分配其他GPU。
• *保留前模塊結果：此模塊隻适用于工廠模式，開啟後推理結果中ext_info字段中新增一個front_result字段用以存儲前一模塊檢測結果。

• 置信度：大于該阈值判定為目标。
• 目标交疊率：交并比大于該阈值選擇置信度大的目标
• *後處理方式
• 非極大值抑制：一旦出現交疊框的交并比大于阈值，必然隻保留一個。
• 軟非極大值抑制：僅根據交疊框的交并比數值，将得分下調。如果得分低于阈值則不輸出（不确保隻保留一個）！建議根據需求“對于檢出的交疊的目标，是否應僅保留一個”選擇。通常選擇非極大值抑制

• 啟用後處理：可以改變目标框大小和中心位置。
• 目标寬度：後處理後目标寬度（已知目标框大小時啟用）。
• 目标高度：後處理後目标高度（已知目标框大小時啟用）。
• 目标橫向偏移：後處理後目标框橫向偏移（已知目标框位置時啟用）。
• 目标縱向偏移：後處理後目标框縱向偏移（已知目标框位置時啟用）。

• bbox_accuracy選框準确率，表示結果類别和位置的準确率，值越高說明學習效果越好。
• loc_loss_box 定位框位置回歸的loss，值越低學習效果越好。
• loc_loss_cls 定位框類别和位置回歸的loss，值越低學習效果越好。
• loss_bbox 實際類别分類和位置二次修正的loss，值越低學習效果越好。
• loss_cls 實際類别數分類和位置二次修正的loss，值越低學習效果越好。

• 混淆矩陣過濾規則：
• 所有：所有圖片的混淆矩陣。
• 名稱檢索：隻顯示根據圖像存儲名稱進行過濾後圖片的混淆矩陣。
• Tag檢索：隻顯示根據圖像Tag進行過濾後圖片的混淆矩陣。
• 訓練集：隻顯示訓練集的混淆矩陣。
• 測試集：隻顯示測試集的混淆矩陣。
• 在混淆矩陣中點擊數字，圖片列表會根據篩選規則自動篩選出圖片。

• 混淆矩陣可以選擇圖片級和區域級，數量矩陣和概率矩陣。選擇區域級，點擊查看詳情打開完整的混淆矩陣。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!