选择模型
=============================

.. toctree::
    :maxdepth: 1
    :hidden:

    semantic/index
    ano/index
    position/index
    presence/index
    seg/index
    kp/index
    class/index
    obj/index
    ocr/index
    playground/index


DaoAI World 支持的模型有：

    - :ref:`监督缺陷分割`
    - :ref:`非监督缺陷分割`
    - :ref:`定位模型`
    - :ref:`错漏装检测`
    - :ref:`实例分割`
    - :ref:`关键点检测`
    - :ref:`分类检测`
    - :ref:`目标检测`
    - :ref:`OCR`

**该如何选择模型？** 不同的模型有它们各自的特点和优势场景，您可以参考以下几点来选择合适的模型

- 检测图像中的物体：

    - :ref:`目标检测` : 检测物体的 **类型** 和 **边界框** , 当您只需要检测图片中有无目标物体，就可以使用该模型。适用的场景有：检测道路上车辆的数量，检测工件上的螺丝是否安装或缺失，检测工人是否佩戴头盔。
        
        .. image:: images/obj.png
            :scale: 100%

    - :ref:`实例分割`: 检测物体的 **类型** 和 **外轮廓** , 当您需要检测图片中有无目标物体，和物体的外轮廓时，就可以使用该模型。适用的场景有：检测包裹的位置和面积，检测并定位箱内的工件，分类同一张图片中不同型号的螺丝。
        
        .. image:: images/insseg.png
            :scale: 100%
            
    - :ref:`关键点检测` : 检测物体的 **类型** ， **外轮廓** 和 **姿态（关键点）** ， 当您需要实例分割的功能，外加物体上的关键点检测时，就可以使用该模型。适用的场景有：检测运动员的身体姿态，定位物体当前的位置以及旋转角度，
        
        .. image:: images/kp.png
            :scale: 100%
            
- 图像分类    
    - :ref:`分类检测` : 检测图片的 **类别** ， 当您需要将图片分类时，就可以使用该模型。适用的场景有：分类产品的型号，检测特定螺丝孔是否正确安装，x光片的疾病类型检测。
        
        .. image:: images/class.png
            :scale: 100%

- 检测物体异常状态、物体表面缺陷
    
    - :ref:`非监督缺陷分割` : 检测图片中的异常区域的 **外轮廓** 当您需要检测图片中的异常区域时，就可以使用该模型。适用的场景有：工件表面缺陷检测，焊锡缺陷检测，锂电池表面划痕检测。
        
        .. image:: images/ano.png
            :scale: 100%

    - :ref:`监督缺陷分割` : 检测图片中的异常区域的 **类型** 和 **外轮廓**  当您需要检测图片中的异常区域时，并且需要分类异常类型，就可以使用该模型。适用的场景有：工件表面多种异常检测，芯片上的元器件是否正确安装。
        
        .. image:: images/sem.png
            :scale: 100%

- 检测图片中的文字

    - :ref:`OCR` : 检测图片中的 **文字** 当您需要提取出图片中的文字，字母，符号时，就可以适用该模型。
        
        .. image:: images/ocr.png
            :scale: 100%