Projekty danych syntetycznych wymagają kryteriów dostarczania obrazów i kryteriów oceny modeli. Kontrole obrazu mogą obejmować pliki, wymiary, rozmieszczenie scen, metadane, etykiety i wyjątki. Ocena modelu wymaga ustawień szkoleniowych, rzeczywistych próbek i określonej metody testowej. Określ, czy dostawa obejmuje obrazy, adnotacje do zadań, czy też szkolenie i ocenę modelu.
Sprawdź partię generacyjną i brakujące elementy
Lista kontrolna dostawy powinna zawierać planowaną liczbę obrazów dla każdej sceny, rzeczywiste pliki, wersje generacji, źródła i wyniki projekcji. Sprawdzanie okluzji, jasności lub kompresji wymaga określonych próbek i kryteriów. Jeśli dostawa obejmuje ramki ograniczające, maski segmentacji lub etykiety znakowe, sprawdź przykłady pod kątem specyfikacji zadania. Zatrzymaj obrazy do sprawdzenia, jeśli brakuje ich pochodzenia lub etykiet.
Zdefiniuj kontrolowane porównanie modeli
Użyj uzgodnionego rzeczywistego zestawu testowego, aby ocenić oba modele. Porównaj oryginalną linię bazową z modelem wytrenowanym przy użyciu dodanych obrazów syntetycznych. Użyj tego samego zakresu próbki, zasad adnotacji i metody oceny dla obu modeli. Zapisz wszelkie różnice w ustawieniach treningu. Sprawdź fałszywe wykrycia i pominięte wykrycia w ważnych scenach. Korzyści modelowe wymagają wyników porównawczych. Nieprzetestowane warunki terenowe oczekują na weryfikację.
Powiązane usługi: Dane, szkolenia i ocena, konsultacja projektu.