過小評価されている状況に画像を追加する前に、タスク、利用可能な実際の画像、および欠落しているシーンを記録します。より多くのサンプルが必要なカメラ、ビュー、照明、オクルージョン、オブジェクトの外観の組み合わせをリストします。基本画像、アセット、アノテーションの使用が許可されているかどうかを使用前に確認してください。これは提案されたワークフローです。フィールドでのパフォーマンスは未検証です。

画像をバッチで生成してスクリーニングする

合成バッチごとに、基本イメージ ソース、生成設定、シーン、ファイル リスト、ラベル バージョンを保持します。まず、ファイルがメタデータと一致することを確認します。次に、画像のサブセットのエッジ アーティファクト、オブジェクトの位置、オクルージョン、ラベルの一貫性を検査します。不確実なケースの理由を記録し、必要に応じて除外または修正します。分割およびレビューのためにオリジナルとバリアント間のリンクを保持します。

実際のシーンのサンプルで評価する

トレーニングとは別のソースを含む実際のテスト セットを予約します。ベースライン モデルと追加サンプルでトレーニングされたモデルを比較します。一貫したメトリクス、注釈ルール、テスト入力を使用します。トレーニング設定の変更を記録します。評価レポートには、一般的なシーンとまれなシーン、エラーの例、サンプルが不十分な状況を含める必要があります。独立した実画像が入手できない場合は、画像の生成とスクリーニングの記録を最初に納品します。フィールドのパフォーマンスを未検証としてマークします。

関連サービス: データ、トレーニング、評価, プロジェクトの相談.