缺陷检测里类别极不平衡（正常样本远多于缺陷），你会用哪些手段？为什么普通的数据重采样在产线场景可能不适用？

面试官在考什么

考察不平衡处理手段的适用边界，而不是罗列方法

类别不平衡少样本缺陷数据集

回答框架 · 前两步

1. 手段：损失加权/Focal Loss、均衡采样、数据增强与缺陷合成、异常检测思路（只学正常分布）
2. 图像任务里简单复制过采样容易过拟合到少数样本的细节，且不增加真实多样性

延伸阅读

• 项目深挖：五层结构下的追问与逐字稿

想看这个方向的整体准备路线？ 进入「CV 与多模态」方向页

同一能力域的其他题

• 工业缺陷检测里缺陷样本极少。你简历写"准确率 85%→95%"，请说明：类别不平衡你具体怎么处理的？为什么在这种情况下"准确率"往往不是个好指标？
• 某产线一条工位用同一台工业相机连续拍了 30 天，共 50 万张图，其中质检员框选标注出的缺陷图 300 张，缺陷类型有划痕、脏污、凹坑三种。数据按采集时间顺序存放在同一个目录里，同一件产品经过该工位时会被连拍 8~10 帧。你接手后，从拿到这批数据到切出可用的 train/val/test，你会做哪几件事？划分方式为什么这么选？
• 某厂两条产线要做统一的缺陷检测模型。A 线每天产出约 20 万张图，良品率 99.5%，累计缺陷图 1000 张（划痕 600、脏污 300、其他 100）。B 线是新产品，收集两周只有 80 张缺陷图（类别与 A 线不完全重合），良品图 5 万张。你会怎么构建和划分数据集？请具体说清：以什么单元划分 train/val/test、跨线数据怎么用、长尾的“其他”类怎么处理、测试集怎么设计才能反映上线后的真实表现。
• 你接手一条产线的缺陷检测项目：A 线有 18 个月历史图像，但缺陷定义在这期间改过 3 次（标签体系漂移，比如原来叫“划伤”的现在被拆成“线性划伤”和“压痕划伤”）；B、C 线刚上线 2 个月，只有 300 张已标注图，标注由质检员兼职完成，同一张图两个人标的框 IoU 只有 0.4。你的目标是 6 个月内把模型迭代到可上线。请说清楚：第一版训练集你怎么组、历史数据用不用怎么用、标注一致性你怎么管、以及你会向产线/质量团队要什么配合。
• 某产线连续采集了 5000 张图像，其中只有 40 张含缺陷，且这 5000 张是同一天、同一台相机、同一光照条件下拍的，同一块产品有时会连拍多张。现在你要训一个缺陷分割模型，请说明你会怎么划分训练/验证/测试集，为什么不能直接把 5000 张随机打乱按 8:2 分？如果把模型部署到另一条产线上，最可能出现什么问题？
• 你的训练集有 20 万张 OK 图、800 张缺陷图，缺陷分 5 类：划痕 500 张、脏污 150 张、凹坑 40 张、压伤 60 张、异物 50 张。目标是把 5 类都做到可用。请给出你处理不平衡的具体动作顺序和取舍，并说明每一步是为了解决哪个层面的不平衡。