摘要：本文讨论了工业缺陷检测中数据标注的几个注意事项，包括合并相近的缺陷、避免标注过细长的目标、不标注太小的目标、避免标注不明显的特征、准确框选缺陷部分以及训练集中至少要包含一次相似缺陷等。
Raiden说：这个文章属实干货。工业缺陷AI检测的场景，数据标注非常重要，如何结合人的知识与网络能力，需要多实践。有个基本的原则：不能考虑太复杂，尤其是做过技术的同学，要以直观的思路去标注。
2.难以置信的目标检测小妙招：多训练几个epochs，平均一下就能获得更好的模型
摘要：该文章介绍了一种名为SWA Object Detection的目标检测方法，通过在模型训练结束后继续训练多个epochs并对多个epochs的checkpoints进行简单平均，从而获得更好的模型精度。该方法在主流目标检测算法上可在COCO数据集上获得1个AP的精度提升，且对于原始模型精度更高的情况下效果更为明显。
Raiden说：方法很直观，可操作性也比较强。值得一试，对抗过拟合。
继续坚持每周一更，加油！