{{ p.t }}
{{ p.p }}
- {{ x.b }}{{ x.t }}
{{ s.t }}
{{ s.p }}
- {{ r.k }}
- {{ r.v }}
{{ m.b }}{{ m.i }}{{ m.s }}{{ m.e }}
明确一句:我们不承诺未经你样本验证的精度,也不把"本机自检通过"说成"实机产线验证通过"。这两件事的差别,通常就是项目失败的差别。
{{ p.p }}
{{ s.p }}
两条路
这两件事的成本结构完全不同:前者是算法与工程,后者是人力与流程。混在一起谈,报价一定失真。
当通用预标注在你场景里不好用时,问题往往不在模型本身,而在"该用哪个模型、按什么口径融合"。
当你缺的不是软件而是人手与流程时,标注可以外包——但验收口径不能一起外包。
流程
每一步都有可拒绝的节点。到第三步还没共识,就不该继续。
行业、检出目标、成像方式、节拍、现有产线结构。这一步就能排除掉一部分不该做的项目。
用 50–100 张有代表性的图(含正常与异常)跑一遍,给出可检性判断与样本量区间。
把指标、口径、抽样比例、返工规则写进文档。口径没定,不做批量。
按批次交付,按协议抽检。不达标就返工,不靠"整体感觉不错"结算。
渠道与集成商
集成商需要的不是
口径
下面是能公开引用的两个数,以及它们各自成立的条件。