Pengadaan data visual harus menentukan gambar, catatan sumber, parameter pembangkitan, label, dan pemeriksaan kualitas secara terpisah. Jumlah gambar hanya mencatat berapa banyak file gambar yang memenuhi aturan penghitungan yang ditentukan. Bukti mengenai label yang lengkap, kesiapan pelatihan, atau peningkatan kinerja lapangan tidak cukup.
Buat daftar kiriman berdasarkan kontennya
| Dapat dikirim | Detail untuk ditentukan | Apa yang tidak ditetapkan secara independen |
|---|---|---|
| Gambar atau video yang diambil | Perangkat, adegan, format, waktu, dan cakupan data asli | Cakupan setiap kondisi lapangan |
| Sampel sintetis atau tambahan | Asal, metode pembangkitan, parameter dan batch | Kesetaraan dengan distribusi lapangan nyata |
| Informasi kelas | Definisi kelas, arti lapangan dan metode konfirmasi | Lokasi objek atau label tingkat piksel |
| Deteksi, segmentasi, atau anotasi karakter | Jenis label, aturan, versi dan metode pemeriksaan | Pelatihan atau penerapan model yang berhasil |
| Catatan pemeriksaan kualitas | Pemeriksaan, pengambilan sampel, pengecualian dan perlakuan | Performa model target |
Periksa asal, penggunaan yang diizinkan, dan lisensi secara terpisah
Simpan sumber pengambilan atau pembangkitan dan cakupan penggunaan, pemrosesan, dan pengiriman yang diizinkan. Izin bergantung pada dokumentasi untuk setiap sumber. Kepemilikan file bukanlah izin untuk setiap penggunaan selanjutnya. Kontrol pengungkapan publik tentang adegan pelanggan atau informasi yang dapat diidentifikasi sesuai dengan cakupan yang disepakati.
Terima contoh yang representatif terlebih dahulu
Tentukan tugas target dan beri label aturan, lalu tinjau contoh yang representatif. Periksa file yang dapat dibaca, format dan dimensi yang disepakati, label yang cocok, makna kelas yang konsisten, serta metadata sumber dan versi yang dapat dilacak. Catat label atau cakupan yang belum dikonfirmasi sebagai item beredar.
Pisahkan penerimaan data dari evaluasi model
Terima data berdasarkan kelengkapan, kualitas, cakupan, dan konsistensi label. Performa model juga memerlukan pelatihan, validasi, dan data pengujian independen, versi, dan metrik yang ditentukan. Tanpa pengujian tersebut, penyampaian gambar sintetis tidak akan cukup menjadi bukti bahwa pelatihan telah selesai atau peningkatan kinerja.
Layanan terkait: data, pelatihan dan evaluasi Dan pertanyaan proyek.