我得到了标为“好”的物品的图像。我得到的图像标记为“不良”。
好的形象意味着一切都完美。不良图像表示存在缺陷。缺陷可能是刮擦（任何大小，任何形状），颜色变形，形状变形（轮廓），...
我记得劳伦斯曾说过，在古代编程中，我们使用数据和规则来获取答案，在AI中，我们使用数据和答案来获取规则。我想知道是否也可以在这里这样做。
我认为要获得良好（物体识别）的特征向量和不良图像的特征向量，然后可以在不良图像上叠加帧以标记差异。进一步将差异提取到蒙版中，并将其分类为“从头开始”。
此后，我可以在带有R-CNN的新图像上以及缺陷掩膜中发现哪个项目好坏了。
这是项目的开始。我问这种方法是正确的方法还是有更好的方法？