양성 결함 갤러리는 프로젝트 리뷰에서 축하하기 쉽다. 모델이 “스크래치를 본다.” 라인에서는 브러시 텍스처·오일 광·이젝터 핀 자국도 보고—자신 있게 리젝트한다.
Uncertain 라벨 큐는 경계를 강제 동전 던지기로 만들지 않는다. Continual retrain 홀드아웃은 야간 망각을 막는다. 라벨 감사는 사후 가이드 드리프트를 잡는다. 하드 네거티브 마이닝은 예방 쌍둥이다: 사람과 모델을 속이는 합격 이미지를 의도적으로 모아 검증하고, 학습과 고정 평가 패널에 남겨 두라.
후보를 오탐 리젝트, 액티브 러닝 불확실성, 선임 검사의 “나빠 보이지만 OK” 호출에서 가져와라. 문서화된 합격 조항에 따라 판정하고, 피곤한 야간이 심각도를 창작하지 못하게 하라. 네트워크가 스크랩 빈의 조명이 아니라 경계를 배우도록 각 결함 클래스에 충분한 하드 네거티브를 균형 맞춰라. 조명이나 가공 공정이 바뀌면 하드 네거티브 세트를 새로 고쳐라—옛 “반짝이지만 양호” 예가 더 이상 라인을 대표하지 않을 수 있다.
교과서 결함만으로 훈련된 검출기는 절제를 연습한 적이 없다. 무엇을 무시할지 가르치라. 그렇지 않으면 스크랩 빈이 공장을 가르친다.