L'acquisition de données visuelles doit spécifier séparément les images, les enregistrements sources, les paramètres de génération, les étiquettes et les contrôles de qualité. Le nombre d'images enregistre uniquement le nombre de fichiers d'images qui répondent à la règle de comptage indiquée. Il s’agit d’une preuve insuffisante d’étiquettes complètes, de préparation à la formation ou d’amélioration des performances sur le terrain.
Lister les livrables par leur contenu
| Livrable | Détails à préciser | Ce qu'il n'établit pas de manière indépendante |
|---|---|---|
| Images ou vidéo capturées | Périphérique, scène, format, heure et portée des données d'origine | Couverture de toutes les conditions de terrain |
| Échantillons synthétiques ou augmentés | Origine, méthode de génération, paramètres et lot | Equivalence à la distribution du champ réel |
| Informations sur la classe | Définitions de classe, significations des champs et méthode de confirmation | Emplacements des objets ou étiquettes au niveau des pixels |
| Détection, segmentation ou annotations de caractères | Type d'étiquette, règles, version et méthode de vérification | Formation ou déploiement réussi du modèle |
| Enregistrements de contrôle qualité | Contrôles, échantillonnages, exceptions et traitement | Performances du modèle cible |
Vérifiez séparément l’origine, l’utilisation autorisée et les licences
Conservez les sources de capture ou de génération ainsi que le champ d'application autorisé, le traitement et la livraison. Les autorisations dépendent de la documentation de chaque source. La possession de fichiers ne constitue pas une autorisation pour toute utilisation ultérieure. Contrôler la divulgation publique des scènes de clients ou des informations identifiables selon la portée convenue.
Acceptez d'abord les exemples représentatifs
Définissez la tâche cible et les règles d'étiquetage, puis examinez des exemples représentatifs. Vérifiez les fichiers lisibles, les formats et dimensions convenus, les étiquettes correspondantes, les significations de classe cohérentes et les métadonnées de source et de version traçables. Enregistrez les étiquettes ou la couverture non confirmées comme éléments en suspens.
Séparer l'acceptation des données de l'évaluation du modèle
Acceptez les données en termes d'exhaustivité, de qualité, de couverture et de cohérence de l'étiquette. Les performances du modèle nécessitent en outre une formation définie, une validation et des données, versions et métriques de tests indépendants. Sans ces tests, la fourniture d’images synthétiques ne constitue pas une preuve suffisante d’un entraînement terminé ou d’une amélioration des performances.
Prestations associées : données, formation et évaluation et demandes de renseignements sur le projet.