Antes de agregar imágenes para condiciones subrepresentadas, registre la tarea, las imágenes reales disponibles y las escenas faltantes. Enumere las combinaciones de cámaras, vistas, iluminación, oclusión y apariencia de objetos que necesitan más muestras. Confirme el uso permitido de imágenes base, recursos y anotaciones antes de su uso. Este es un flujo de trabajo propuesto. Su desempeño en el campo no está verificado.
Generar y visualizar imágenes en lotes
Para cada lote sintético, conserve las fuentes de las imágenes base, la configuración de generación, las escenas, una lista de archivos y las versiones de las etiquetas. Primero verifique que los archivos coincidan con los metadatos. Luego, inspeccione un subconjunto de las imágenes en busca de artefactos en los bordes, posiciones de los objetos, oclusión y coherencia de las etiquetas. Registre los motivos de los casos inciertos y exclúyalos o corríjalos según sea necesario. Conserve los vínculos entre originales y variantes para dividirlos y revisarlos.
Evaluar en muestras de escenas reales
Reserve un conjunto de pruebas real con fuentes independientes del entrenamiento. Compare el modelo de referencia y el modelo entrenado con muestras agregadas. Utilice métricas consistentes, reglas de anotación y entradas de prueba. Registra los cambios en los entornos de entrenamiento. El informe de evaluación debe incluir escenas comunes y raras, ejemplos de errores y condiciones con muestras insuficientes. Si no hay imágenes reales independientes disponibles, entregue primero los registros de generación y detección de imágenes. Marque el rendimiento de campo como no verificado.
Servicios relacionados: Datos, formación y evaluación., consulta de proyecto.