Projetos de dados sintéticos precisam de critérios de entrega para imagens e critérios de avaliação para modelos. As verificações de imagens podem abranger arquivos, dimensões, distribuição de cena, metadados, rótulos e exceções. A avaliação do modelo requer configurações de treinamento, amostras reais e um método de teste definido. Especifique se a entrega inclui imagens, anotações de tarefas ou treinamento e avaliação de modelo.
Verifique o lote de geração e os itens faltantes
A lista de verificação de entrega deve registrar o número planejado de imagens para cada cena, arquivos reais, versões de geração, fontes e resultados de triagem. As verificações de oclusão, brilho ou compressão precisam de amostras e critérios definidos. Se a entrega incluir caixas delimitadoras, máscaras de segmentação ou rótulos de caracteres, inspecione os exemplos em relação à especificação da tarefa. Guarde as imagens para revisão se sua origem ou rótulos estiverem faltando.
Definir uma comparação de modelo controlado
Use o conjunto de testes reais acordado para avaliar ambos os modelos. Compare a linha de base original com o modelo treinado com imagens sintéticas adicionadas. Use o mesmo escopo de amostra, regras de anotação e método de avaliação para ambos os modelos. Registre quaisquer diferenças nas configurações de treinamento. Examine detecções falsas e detecções perdidas em cenas importantes. Os benefícios do modelo exigem resultados comparativos. As condições de campo não testadas permanecem pendentes de verificação.
Serviços relacionados: Dados, treinamento e avaliação, consultoria de projeto.