HI终于等到你，如果你正在尝试使用百度EasyDL训练模型，可能正遇到这样的问题：
想要自动检测零件外观上是否有裂痕、缺口；
想要自动检查工人是否正确佩戴安全帽、穿工作服、是否在禁区抽烟；
想要自动统计血液化验中的红细胞、白细胞分别有多少；
想要自动识别危险的大型机车、船只、识别出水的水泄口等等；
请选择模型进行训练，开始之前请先花5分钟，认真阅读下面的十问十答，这将对提高模型准确率有无比重要的帮助！
一问，我的需求适合选择物体检测模型训练吗？
如果要训练一个模型，希望它能够帮你识别一张图片中，比如有几个物体A，有几个物体B，或者图片中是否有多种物体多种行为，请选择物体检测进行训练。还有一种情况，如果你要识别的物体在图片中很小，也很适合选用物体检测模型，
例如：小明要训练一个模型能够识别工厂内是否有违规行为，没有佩戴安全帽、禁区抽烟等。
如果小明的检查不需要区分违规种类，只需要及时发现违规行为，则选择物体检测，把不同种类违规图片设置在一个标签来训练即可。
如果小明的检查需要区分违规种类，即需要识别哪些是未佩戴安全帽违规（A类别），哪些是禁区抽烟违规（B类别），则选择物体检测模型，分别将两种违规图片设置成两个标签来训练。
二问，我需要准备哪些数据？
使用EasyDL训练AI模型需要准备两份数据：训练数据和测试数据（非训练数据哦），两份数据需要是在相同环境下采集的。
例如：小明要训练一个地板虫眼识别模型，检测出地板中是否有腐朽、虫眼、裂缝三种瑕疵·。则小明需要准备每种瑕疵覆盖至少张地板图片用于模型训练（每个地板图片可以覆盖一种或多种瑕疵），以及一批非包含在训练集的测试数据。
三问，我的数据要从哪里获取？
不论是训练数据还是校验数据，都一定要尽量使用真实场景下的图片。在真实场景或尽量还原、模拟真实场景环境，采集图片作为训练和校验数据。
例如：小明要训练一个红细胞计数模型，辅助本院医生进行化验结果诊断。医院化验时，临床使用的显微镜下看到的化验图片来训练和校验。不可以用网络下载的猫猫狗狗图片来训练，也不可以用网络下载的各种环境下的红细胞图片来训练模型。训练数据与真实场景数据越一致，效果越好呢。
四问，我要准备多少数据？
真实应用场景视角下，每种待检测目标准备至少张训练图片，可以根据真实业务场景中可能遇到被检测目标可能出现的情况，准备包含不同角度、不同侧面、不同光线检测目标，并覆盖应用场景下所有拍摄位置。
例如：小明要训练一个吊车识别模型，在施工现场摄像头采集的图片中自动识别，辅助检查人员24小时巡查，及时规避高压线旁有吊车的生产风险。则小明需要用施工现场每个摄像头采集的图片来训练，训练图片需要至少张包含吊车的图片，图片中需要分别包含吊车的正面、侧面、背面、斜侧面、太阳光下、月光下、日光灯下、夕阳下、黄色车身、黑色车身等等状态。如果追求更好的效果，建议最好每种状态准备张训练图片。
注意：
l如果现场新增摄像头，或要更换摆放位置，都需要将新位置的同样内容图片补充进来，重新训练。
l如果不需要在夜间识别，则可以不训练月光下的图片。
l如果实际使用画面中可能单独存在其他干扰车辆，请务必对干扰车辆，作为负样本单独训练识别模型，图片数量至少张。如果干扰车辆和吊车始终出现在同一画面，则无需单独训练干扰车辆。负样本是相对识别物体来说的非识别物体，比如在该场景下，吊车算作待识别物体，而人、房子则属于非识别物体负样本范畴。
五问，我的图片要多清晰才能训练？
图片以肉眼能看清为标准，一般摄像头采集图片均可满足训练，图片文件在4兆以内。如遇特殊情况，待检测物体在画面中的面积占比过小（肉眼无法看清），或过大（超过4兆），需要图片处理放大到肉眼可见，或图片切割特殊处理后再训练。
例如：小明要训练一个汽车喷油器阀座的外观缺口瑕疵检测模型，辅助人工分拣。由于喷油器尺寸以毫米为单位，在图片中瑕疵就更加微小，且瑕疵在图片中的面积过小，可能影响识别效果，则需要小明将图片进行放大后进行训练和识别。
又或者小明要训练无人机采集的病虫害识别模型，辅助人工及时发现农作物病害。由于无人机采集的图片文件很大，则需要小明将图片压缩或裁切后，再进行训练和识别。
六问，我要怎么标注图片？
训练物体检测模型需要对训练图片进行标注，将待检测物体目标框选出来用于训练。目前EasyDL支持在线多人标注，或API上传已标注图片用于训练（数据集管理中点击“数据上传API”）。
例如：小明要训练一个SUV汽车识别模型，用于风光论坛加精帖审核。则小明需要上传所有包含SUV汽车的风光图片，并且标注框选出SUV汽车用于学习，但SUV车型非常多，小明可以将EasyDL的数据集进行拆分，每个数据集都可以共享给1个小伙伴同时标注，训练时只需要选择多个数据集即可。或者将历史用其他标注工具，已经标注好SUV的风光图片直接API上传到平台即可。注意，一定要把图片里面出现的每个待检测目标都标出来哦。
七问，我的模型要训练多久？
EasyDL物体检测模型选择不同算法，训练时间稍有不同。一般情况下，数据量越多，训练时间也越长。高精度算法训练时间2小时以上，普通算法训练时间更短、服务性能更佳，但精度没有那么高。目前页面上会显示训练进度，当数据量很大的情况下，甚至可能出现训练1-2天的情况，请耐心等待训练完成。
例如：小明训练识别页面上图标（icon）的模型，辅助视觉障碍人群了解页面信息。由于页面图标种类非常多，选择高精度算法对上千种图标的百万张图片进行训练，训练时间需要超过2个小时。
八问，怎么知道我的模型效果好不好？
训练完模型后，首先可以在模型校验功能启动服务，通过模型校验实际上传图片来进行校验。同时请认真阅读模型评估报告来查看结果。报告中会详细解读模型效果、优化建议、模型精准率、召回率、F1-score建议阈值、识别错误的badcase图片文件等。
注意：如果训练数据非常少的情况下，如只有几十张图片，那么模型评估效果的结果仅可作为参考，以实际测试为准。
例如：小明训练一个鸟类识别模型，可以帮助网友实时识别鸟的品种，获得相应的百科知识。则训练后，小明会得到一份鸟类识别模型评估报告，报告中重要的指标需要看：
评估结果：鸟类识别模型V3整体效果欠佳，建议针对识别错误的图片示例继续优化模型效果。
精准度：通俗的理解为该模型能识别鸟的准确率。
F1-score建议阈值：模型效果最优状态的调节参数。
识别错误的badcase图片：不一定是指标注错误哦，需要把所有badcase整体来看，找到错误的规律，再有针对性的优化。
九问，我的模型效果不好怎么办？
按照推荐阈值来看，模型效果还是不理想？推荐几个办法来优化模型：
方法一：按照报告中的建议阈值，实际调用模型确认效果是否理想。建议阈值0.5，则调用时置信度调整到50%。注意，不要只看模型评估报告的数值，一定要使用接口或者模型校验功能进行大批量图片充分测试，才能准确判断模型效果是否满意。
方法二：整理识别错误的badcase图片，按照2-6问的内容筛查原因，总结出错图片的规律，按照上面的建议对应调整。
常见的识别错误的图片规律包括：
a.实际检测的光线环境与训练集图片环境发生了较大的变化，如白天的图片训，晚上的图片测；
b.实际被检测的目标角度与训练集图片环境不符合，如仰视视角、俯视视角的测试图片出现的角度在训练集中未覆盖。
c.实际被检测的目标清晰度与训练集图片不符合，如训练集图片很清晰，实际测试的图片很模糊。
方法三：如果没有找到明显的识别出错规律，先检查是否在数据标注犯了常见错误：一张图片里面没有标出所有的被检测目标，比如一个检测鸡蛋的模型，只标注了部分
方法四：如果没有找到准确的出错规律，请在物体检测操作界面，数据中心中开启。则系统自动筛选置信度低的图片，供您人工二次判断是否识别错误，并将错误图片一键导入到训练集，自动重新标注后持续进行模型优化。
方法五：如果以上方法都不能解决效果不好的问题，请打包识别错误图片，按照文末方式联系我们。
例如：小明训练的鸟类识别模型精准度47%，希望优化模型效果，则首先根据评估报告中的提示，处理badcase图片，或在数据集管理中，点击“云服务调用数据”，勾选即可实现数据闭环持续优化。效果显著！
十问，我的模型如何在生产环境下使用？
不论在轻量级的APP中使用、还是常见的PC电脑软件中使用，或是在硬件终端本地运行，都可以轻松实现模型部署。EasyDL的模型支持云端API调用和无网络的离线SDK调用。离线SDK支持iOS、安卓、Windows、Linux操作系统，支持demo测试。离线SDK模型需要在模型训练时勾选即可。
例如：小明训练云状识别模型，识别天空中云彩的形状，与云量、湿度等指标一起辅助进行气候观测。但瞬息万变的云状和局域网的限制，使小明不能在云端调用模型结果。则小明将模型离线SDK文件包集成到Linux系统的硬件摄像头中，实现在本地采集后实时识别。（百度大脑还提供自研的适配性极高的智能硬件套件EdgeBoard，欢迎咨询）