深度学习总结（一）

 缺陷的标注质量很重要，会直接决定深度学习效果。

效果出不来，首先要检查标注数据。

标注原则：

1. 图像标注质量影响检测效果。标注越准，学习效果越好，检测效果也越好。

2. 标签类别应尽量全面且彼此不混淆。不允许一个检测对象既属于 A 类又属于 B 类。

3. 标出一幅图中的全部检测对象，不要漏。

4. 标注框或轮廓要尽量贴合检测对象，不要偏离。

在上次训练好的模型基础上，使用所有图片进行训练，这样比较简单。
如果只对新增图片进行训练，需减小学习率。

核心显卡（集成显卡）不能用于深度学习训练，只有NVidia的独立显卡才能。

如果用来作训练：显存越大，能处理的图片分辨率越大，训练速度也越大；

如果用来作推理：够用就行。

 
深度学习之目标检测：如果标注了只隐藏一部分的物体，检测的时候就能把检测出来。如果不标注隐藏了一部分的目标，就检测不出来。