图像测试结局

表1总结了每个类别和图像集的对象和图像（至少包含一个特定类别的对象）的数量。数据被分成50%用于训练/验证，50%用于测试。各类图像和目标的分布在训练/验证和测试中大致相等。

事实上，我们能够在高达ISO6400的全屏尺寸下查看我们的测试图像，而图像质量没有明显的下降。户外图像质量一直很好，我们在实验室测试照片中注意到的轻微的曝光不足倾向不再起作用。

这门课是侧重于第二、第三个层次，也就是工业以及企业领域的图像质量测试测量与标准。课程结合目前成像工业领域的实际应用，配合实例讲解图像质量的各个指标的数学物理含义，在成像系统中的意义，以及如何测试测量与解读。

对每一个测试图像，都做如下预测，最后输出，预测准确的数量除以所有的测试数量（10000），得到学习模型对测试图像的识别概率，由此我们的推理过程就结束了。

对这两个函数分别测试，这时候显示屏就会出现对应可视化结果，这样就完成数据可视化所需的一些工作（视频流图像显示这部分，功耗占了1W，CPU占用30%左右，显示这部分的代码还是有点冗余）。