Prima di aggiungere immagini per condizioni sottorappresentate, registrare l'attività, le immagini reali disponibili e le scene mancanti. Elenca le combinazioni di telecamere, viste, illuminazione, occlusione e aspetto dell'oggetto che necessitano di più campioni. Conferma l'uso consentito di immagini di base, risorse e annotazioni prima dell'uso. Questo è un flusso di lavoro proposto. Le sue prestazioni sul campo non sono verificate.
Genera e visualizza immagini in batch
Per ogni batch sintetico, conserva le fonti delle immagini di base, le impostazioni di generazione, le scene, un elenco di file e le versioni delle etichette. Per prima cosa controlla che i file corrispondano ai metadati. Quindi ispezionare un sottoinsieme delle immagini per individuare artefatti dei bordi, posizioni degli oggetti, occlusione e coerenza delle etichette. Registrare le ragioni dei casi incerti ed escluderli o correggerli secondo necessità. Conserva i collegamenti tra originali e varianti per la suddivisione e la revisione.
Valutare su campioni di scene reali
Prenota un vero set di test con fonti separate dalla formazione. Confronta il modello di base e il modello addestrato con campioni aggiunti. Utilizza metriche, regole di annotazione e input di test coerenti. Registra le modifiche nelle impostazioni di allenamento. Il rapporto di valutazione dovrebbe includere scene comuni e rare, esempi di errori e condizioni con campioni insufficienti. Se non sono disponibili immagini reali indipendenti, consegnare prima la generazione dell'immagine e i record di screening. Contrassegna le prestazioni sul campo come non verificate.
Servizi correlati: Dati, formazione e valutazione, consultazione del progetto.