一个有趣的周报

本周总结可能会多一点，主要在尝试，也作为此类问题的经验分享：

1.尝试：通过maskrcnn检测出器件，抠图后进行数据增强，在旋转时填充背景的时候，会引入很大误差，原因：填充背景是通过图片边缘像素延伸，这样会导致直接延伸的是器件边缘像素。

2.尝试：先数据增强后，再通过maskrcnn进行检测抠图会避免上述问题，原因：这样填充的背景是原图背景，不会将器件像素延伸作为背景。

3.在旋转时要将原图适当缩小，否则会器件在旋转后不完整。

4.maskrcnn直接检测，会导致很多器件检测不到。

5.尝试：直方图均衡化，各种滤波去燥，最终直方图均衡化后，会时检测效果大大提升，但是同时会引入很多的检测框，解决方法：遍历所有检测出的box，判断面积大小，找到满足需要面积的第一个框，也是概率最大的一个，原因：maskrcnn按概率大小输出，故取第一个满足要求就OK。效果大大改进。

6.尝试：黑点通过opencv方法，ok和ng1训练二分类器，编写接口，输出测试报告，二分类效果我感觉还ok，黑点检测阀值不好决定，误差大，jj。

7.尝试:直接训练ok，ng1，ng2，三分类器，分类器训练时10%的测试结果在96%，这并不能说明能够胜任黑点问题，因为严重过拟合，（不过拟合，基于未增强数据训练三分类器jj），原因：我们在增强数据时旋转角度只有10度，这本身就会导致训练和测试图很很相似（只有一个10度的旋转，输出测试报告还ok也是这个原因），这也是为什么客户给了新数据jj的原因。

8.尝试：模型最大池化改为平均池化，效果好点，和晨曦猜原因，我没说服他，他貌似也没说服我。

9.尝试：数据灰度化后训练，jjjjjjj。

10.写脚本，基于以前数据和周五客户新给的数据，测试maskrcnn，发现问题，周四三分类的借口显示maskrcnn有13张未检测到，周五报告只有四张，接下来找原因，一个笑话诞生了，找到出原因的地方，改代码print不出结果，貌似是因为没保存，由于有事，交给晨曦了，原因已找到，该continue的地方break了。

我的博客即将搬运同步至腾讯云+社区，邀请大家一同入驻：https://cloud.tencent.com/developer/support-plan