시각적 데이터 조달에서는 이미지, 소스 기록, 생성 매개변수, 라벨 및 품질 검사를 별도로 지정해야 합니다. 이미지 수는 명시된 계산 규칙을 ​​충족하는 이미지 파일 수만 기록합니다. 완전한 라벨, 교육 준비 또는 향상된 현장 성과에 대한 증거가 충분하지 않습니다.

콘텐츠별로 결과물 나열

결과물 지정할 세부정보 독립적으로 확립되지 않은 것
캡처된 이미지 또는 비디오 장치, 장면, 형식, 시간 및 원본 데이터 범위 모든 현장 조건을 포괄
합성 또는 증강 샘플 원산지, 생성 방법, 매개변수 및 배치 실제 현장 분포와 동등함
수업정보 클래스 정의, 필드 의미 및 확인 방법 개체 위치 또는 픽셀 수준 레이블
감지, 분할 또는 문자 주석 라벨 유형, 규칙, 버전 및 확인 방법 성공적인 모델 훈련 또는 배포
품질검사 기록 점검, 샘플링, 예외 및 처리 목표 모델 성능

원산지, 허용 용도, 라이선스를 별도로 확인하세요

캡처 또는 생성 소스와 허용된 사용, 처리 및 전달 범위를 유지하십시오. 권한은 각 소스에 대한 문서에 따라 다릅니다. 파일을 소유한다고 해서 이후의 모든 사용이 허가되는 것은 아닙니다. 합의된 범위에 따라 고객 현장이나 식별 가능한 정보의 공개를 통제합니다.

대표적인 사례를 먼저 받아들인다

대상 작업 및 레이블 규칙을 정의한 후 대표적인 예를 검토합니다. 읽을 수 있는 파일, 합의된 형식 및 크기, 일치하는 레이블, 일관된 클래스 의미, 추적 가능한 소스 및 버전 메타데이터를 확인하세요. 확인되지 않은 라벨이나 적용 범위를 미결제 항목으로 기록합니다.

모델 평가와 별도의 데이터 수용

완전성, 품질, 적용 범위 및 라벨 일관성에 대한 데이터를 수락합니다. 모델 성능에는 정의된 교육, 검증 및 독립적인 테스트 데이터, 버전 및 지표가 추가로 필요합니다. 이러한 테스트가 없으면 합성 이미지 전달만으로는 훈련이 완료되었거나 성능이 향상되었다는 증거가 충분하지 않습니다.

관련 서비스: 데이터, 교육 및 평가 그리고 프로젝트 문의.