监督缺陷分割
监督缺陷分割 可以识别物体是否处在异常(NG)状态，如有破损，变形等。与非监督缺陷分割检测不同，监督缺陷分割检测支持检测多种异常类型。
完成模型标注后，可以参考 训练 章节下的视频，创建数据集版本并训练部署。
模型选择场景
监督缺陷分割 作用于单一物体，即数据集中只包含一种物体，并且物体的位置需要保持相对固定，该物体分为正常和异常两种状态。
监督缺陷分割 的使用场景主要分为以下两点：
分割特定区域 判断特定区域的变化情况。例如消防通道的识别，如果有侵占，消防通道的分割区域就会发生变化
分割异常区域 不同与非监督缺陷检测模型，非监督缺陷检测只使用正常数据去训练识别异常，训练判断正常和异常。监督缺陷分割模型在异常图像数量较多的情况下，可以更细致的识别分割异常区域和种类。
标注方法
- 如果有已经训练过的模型，可以使用辅助标注工具，让深度学习模型来帮助您标注，然后您再检查以及纠正标注。
如果物体没有缺陷，请标注为正常
如果物体存在缺陷，请标注为异常。使用多边形工具，或者智能多边形，标注出异常区域的外轮廓，并选择缺陷类型。
注意事项
标注正常 的物体不应含有损害区域标签，否则可能会导致训练结果不理想，或训练失败。
练习
从 练习数据 中下载 semantic_segmentation.zip
解压缩后您将得到11张图片和标注文件（.json）, 请您只上传图片到DaoAI World进行标注练习。之后可以一同上传图片和标注文件，对比结果。