Les projets de données synthétiques nécessitent des critères de livraison pour les images et des critères d’évaluation pour les modèles. Les vérifications d'images peuvent couvrir les fichiers, les dimensions, la distribution des scènes, les métadonnées, les étiquettes et les exceptions. L'évaluation du modèle nécessite des paramètres de formation, des échantillons réels et une méthode de test définie. Spécifiez si la livraison inclut des images, des annotations de tâches ou une formation et une évaluation du modèle.
Vérifier le lot de génération et les éléments manquants
La liste de contrôle de livraison doit enregistrer le nombre d'images prévu pour chaque scène, les fichiers réels, les versions de génération, les sources et les résultats de sélection. Les contrôles d’occlusion, de luminosité ou de compression nécessitent des échantillons et des critères définis. Si la livraison comprend des cadres de délimitation, des masques de segmentation ou des étiquettes de caractères, examinez les exemples par rapport à la spécification de la tâche. Conservez les images pour examen si leur origine ou leurs étiquettes sont manquantes.
Définir une comparaison de modèles contrôlés
Utilisez l’ensemble de tests réels convenu pour évaluer les deux modèles. Comparez la ligne de base d'origine avec le modèle formé avec des images synthétiques ajoutées. Utilisez la même portée d’échantillon, les mêmes règles d’annotation et la même méthode d’évaluation pour les deux modèles. Enregistrez toute différence dans les paramètres de formation. Examinez les fausses détections et les détections manquées dans les scènes importantes. Les avantages du modèle nécessitent des résultats comparatifs. Les conditions de terrain non testées restent en attente de vérification.
Prestations associées : Données, formation et évaluation, consultation de projet.