模型訓練說明
通過本網站，用戶可使用自己的圖片數據來定制屬于自己應用場景的模型，生成的模型可下載到Edgeideal計算盒中運行，方便部署使用。用戶無需編程和技術背景知識，只需要提供圖片，在網站上即可完成整個標注訓練的定制過程。
整體介紹可參考下面文章：
整體流程圖如下：
本文主要介紹模型訓練，模型測試及下載部署等步驟
圖片標注完成之后即可進入下一步，啟動模型訓練。點擊“訓練平臺”->“標注和訓練”菜單，進入模型列表頁面。
選擇擬進行訓練的模型，點擊“訓練”按鈕進入模型訓練管理界面。
點擊“啟動訓練”按鈕，即可啟動模型訓練后臺訓練，按鈕將變為“終止訓練”，訓練進度或出錯提示會出現在按鈕旁邊，也可在列表的“訓練狀態”列查看，訓練如需中途終止，點擊“終止訓練”按鈕即可中止。
如無錯誤，等訓練狀態變成“訓練已完成”，即表示本次啟動的訓練已經正常完成，點擊“顯示訓練結果”即可展開訓練結果頁面，查看各種訓練結果數據：
用戶所有的標注樣本會被隨機劃分為訓練集和測試集，測試集約占總樣本數的15%。測試集樣本不輸入模型訓練過程，只用來評估模型效果。以上表格顯示了每一輪訓練結束以后，在測試集上評估的結果。
訓練數據按類別分行顯示，第一行為所有類別統計數據。下面為單獨的類別統計數據
下面解釋各列數據的含義：
測試圖片數：測試集中的圖片數量
測試樣本數：測試集中該類別的樣本數
準確率，召回率，平均精度（mAP）為目標檢測領域的通用指標定義，
具體解釋可參考此鏈接：https://www.jianshu.com/p/fbb96bb49782
查看測試集結果列中可顯示每張測試集圖片預測結果框和標注結果框，
用戶可直觀的分析每張圖片的預測效果。
測試集圖片根據預測效果被分為正確結果和錯誤結果兩類，可以分別點擊對應鏈接展開。
用戶可點擊文件名鏈接，對應的圖片預測效果將直接顯示在頁面中，其中紅色框為預測框，黃色框為標注框。
如點擊“圖片中僅顯示當前類別框”則會隱藏不屬于當前類別的預測框和標注框，只顯示當前類別的，以免干擾顯示。
每個類別的正確結果和錯誤結果可調整參數來調節，點擊每行右側的“參數設置”按鈕，可為每個類別設置不同參數：
可設置參數包括置信度閾值和IOU閾值，
其中交并比（IOU）是度量兩個框（預測框和標注框）的交疊程度，公式如下：
就是兩個框的交集面積除以并集面積，最大為1，最小為0
系統首先根據置信度閾值過慮預測框，僅保留高于該閾值的預測框，然后計算預測框和標注框的IOU，如果該圖片所有的樣本框的IOU值都大于所設置的閾值，該圖片將顯示為預測正確結果，否則將顯示為預測錯誤結果。
通過嘗試調節參數，為每個類別設置不同參數，用戶可以得到更精確的模型部署準確率，降低誤識別和漏識別率。
點擊"測試模型"，即可上載實際測試圖片對剛才訓練得到的模型識別效果進行進一步的測試評估?？蛇x擇多張進行測試。
如需下載測試結果圖片，點擊“下載測試結果”打包下載測試結果。
如果模型測試效果不好，可以返回修改圖片集和標注，然后再次啟動訓練，測試效果，反復迭代。
確認效果滿意之后，可點擊“下載模型”下載最終得到的模型文件，提供給離線識別盒或SDK使用。