Los proyectos de datos sintéticos necesitan criterios de entrega de imágenes y criterios de evaluación de modelos. Las comprobaciones de imágenes pueden cubrir archivos, dimensiones, distribución de escenas, metadatos, etiquetas y excepciones. La evaluación del modelo requiere entornos de entrenamiento, muestras reales y un método de prueba definido. Especifique si la entrega incluye imágenes, anotaciones de tareas o capacitación y evaluación de modelos.
Verifique el lote de generación y los elementos faltantes.
La lista de verificación de entrega debe registrar la cantidad planificada de imágenes para cada escena, los archivos reales, las versiones de generación, las fuentes y los resultados de la proyección. Las comprobaciones de oclusión, brillo o compresión necesitan muestras y criterios definidos. Si la entrega incluye cuadros delimitadores, máscaras de segmentación o etiquetas de caracteres, inspeccione los ejemplos con la especificación de la tarea. Mantenga las imágenes para revisión si faltan su origen o etiquetas.
Definir una comparación de modelos controlada
Utilice el conjunto de pruebas real acordado para evaluar ambos modelos. Compare la línea de base original con el modelo entrenado con imágenes sintéticas agregadas. Utilice el mismo alcance de muestra, reglas de anotación y método de evaluación para ambos modelos. Registre cualquier diferencia en los entornos de entrenamiento. Examine las detecciones falsas y las detecciones omitidas en escenas importantes. Los beneficios del modelo requieren resultados comparativos. Las condiciones de campo no probadas permanecen pendientes de verificación.
Servicios relacionados: Datos, formación y evaluación., consulta de proyecto.