classifier-vs-segmenter
title: "分类器 vs. 分割器" sidebar_position: 12 slug: /guides/classifier-vs-segmenter
分类器 vs. 分割器
用时：3 分钟（阅读）
这是在创建配方时最常见的问题。以下是一个清晰的框架。
分类器
一个 classifier 会查看每个 ROI 裁剪，并将其分配到一个 类别：pass、fail、present、absent、scratched、good，或你定义的任意类别。
把它想成把卡片分拣到堆里。 AI 会查看整个裁剪并说“这张属于 pass 堆”或“这张属于 fail 堆”。
在以下情况下使用 classifier：
- 你需要 pass/fail 或 multi-class 的决策
- 你的 ROIs 足够小，能清晰显示缺陷
- 标注速度很重要（classifiers 的标注速度要快得多）
- 你在检查某一特征的 presence/absence
- 示例：螺钉 present/absent、连接器就位/unseated、标签正确/wrong
分割器
一个 segmenter 会在 ROI 裁剪上进行 像素级别 的检查，准确识别属于缺陷的像素。
把它想成用标记笔标记。 AI 会准确圈出缺陷所在的像素位置，而不仅仅是判断是否存在。
在以下情况下使用 segmenter：
- 你需要像素级缺陷定位（缺陷具体在何处的划痕？）
- 你需要测量缺陷的大小或面积
- 你的 ROI 需要较大，但你在寻找微小缺陷
- 你需要在一个区域内计数多个缺陷
- 示例：表面划痕、污渍、裂纹、焊接质量、尺寸测量
对比
| 方面 | Classifier | Segmenter |
|---|---|---|
| 它告诉你什么 | Category (pass/fail/etc.) | Exact pixels of the defect |
| 标注工作量 | Low: select a class per image | High: paint defect pixels |
| 所需数据 | 3-5 images per class to start | Similar, but labeling takes longer |
| ROI 大小 | Works best with small ROIs | Handles larger ROIs better |
| 速度 | Fast | Equally fast when optimized |
| 最适用场景 | Presence/absence, category decisions | Scratches, stains, measurements, pixel-level detection |
重叠区域
确实存在重叠。许多检查可使用任一方法。如果你不确定：
- 先从 classifier 开始。 它更易设置，标注也更快
- 如果你发现 classifier 不够精确（在大区域内不能检测到小缺陷，或者你需要测量），切换到 segmenter
- 在 tools.overview.ai 的 AI Assistant 提问。描述你的应用，它将推荐最佳方法
OV20i vs OV80i
- OV20i: 每个配方选择一个，如 classifier 或 segmenter
- OV80i: Multi-model 支持。在同一次采集的单个配方中组合两者