在深度学习缺陷检测中，种类不是绝对唯一确定的，新增类别，样本又不多，有何更好的办法解决？

首先从前端，即图像采集端控制它，让它均一化更好，尽量控制新增少的样本类别。第二，我们之前做了很多分割后小样本的数据搜集，新增类别可能以前就出现过，只是量和分布不一样，可以在一定程度上解决这个问题。但有个误区有很多人为了做各种类型的缺陷，会认为制造一些缺陷，需要避免这个问题，它会造成过拟合。