分类器 vs. 分割器
时间：3 分钟（阅读）
这是在创建配方时最常见的问题。下面提供一个清晰的框架。
分类器
分类器会对每个 ROI 剪裁进行分析，并将其分配到一个 类别（category）：pass、fail、present、absent、scratched、good，或你定义的任意类别。
把它想象成把卡片分成堆。 AI 会查看整张剪裁图像，并说“这张归入通过堆”或“这张归入失败堆。”
在以下情况下使用分类器：
- 你需要通过/失败或多类别决策
- 你的 ROI 足够小，能够清晰显示缺陷
- 标注速度很重要（分类器的标注速度要快得多）
- 你在检查某个特征的存在/不存在
- 示例：螺丝存在/不存在、连接器就位/未就位、标签正确/错误
分割器
分割器在 像素级别 检查每个 ROI 剪裁，准确识别属于缺陷的像素。
把它想象成用记号笔标记。 AI 会精确圈出缺陷所在的位置，而不仅仅是是否存在。
在以下情况下使用分割器：
- 需要像素级的缺陷定位（到底划痕在何处？）
- 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
- 需要在一个区域内计数多个缺陷
- 示例：表面划痕、污渍、裂纹、焊缝质量、尺寸测量
比较
| 方面 | 分类器 | 分割器 |
|---|---|---|
| 它传达的信息 | 分类（pass/fail 等） | 缺陷的准确像素 |
| 标注工作量 | 低：对每张图像选择一个类别 | 高：标注缺陷像素 |
| 所需数据 | 每个类别 3-5 张图像作为起点 | 相似，但标注耗时更长 |
| ROI 大小 | 与小 ROI 最搭配 | 能更好处理较大的 ROI |
| 速度 | 快速 | 优化后同样快速 |
| 最佳用途 | 存在/不存在、类别决策 | 划痕、污渍、测量、像素级检测 |
当不确定时，从分类器开始
分类器在设置上更快，所需的训练图像更少，并且适用于大多数通过/不通过的检测。若你需要像素级细节，稍后可以切换到分割器。简单起步有助于快速验证设置。
分割器需要更多设置时间
分割器在标注阶段需要像素级注释，这比为分类器选择一个类别要耗时长得多。与分类器相比，请预留额外时间用于初始设置和标注，尤其是在你有大量训练图像时。
The 512x512 pixel processing limit
分类器和分割器在处理 ROI 剪裁时的最大分辨率为 512x512 像素。任何大于此分辨率的 ROI 在进入 AI 处理前都会被缩小，这意味着微小缺陷可能消失。请尽量将 ROI 保持尽可能小以保留细节，或者如果需要覆盖更大区域同时检测到微小缺陷，请使用具有更大 ROI 的分割器。
重叠区域
确实存在重叠。许多检测可以使用任一方法完成。如果你不确定：
- 从分类器开始。 它更易设置，标注更快
- 如果你发现分类器不够精确（不能在大区域内检测到微小缺陷，或你需要测量），切换到分割器
- 向 tools.overview.ai 的 AI Assistant 询问。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：分类器或分割器
- OV80i: 多模型支持。可在同一配方中将两者结合用于同一次捕获