A aquisição de dados visuais deve especificar imagens, registros de origem, parâmetros de geração, rótulos e verificações de qualidade separadamente. O número de imagens registra apenas quantos arquivos de imagem atendem à regra de contagem declarada. Não há evidências suficientes de rótulos completos, prontidão para treinamento ou melhor desempenho em campo.

Liste os resultados por seu conteúdo

Entregável Detalhes a especificar O que não estabelece de forma independente
Imagens ou vídeos capturados Dispositivo, cena, formato, hora e escopo dos dados originais Cobertura de todas as condições de campo
Amostras sintéticas ou aumentadas Origem, método de geração, parâmetros e lote Equivalência com a distribuição real do campo
Informações da aula Definições de classes, significados de campos e método de confirmação Locais de objetos ou rótulos em nível de pixel
Detecção, segmentação ou anotações de caracteres Tipo de etiqueta, regras, versão e método de verificação Treinamento ou implantação de modelo bem-sucedido
Registros de verificação de qualidade Verificações, amostragem, exceções e tratamento Desempenho do modelo alvo

Verifique origem, uso permitido e licenças separadamente

Manter as fontes de captura ou geração e o escopo permitido de uso, processamento e entrega. As permissões dependem da documentação de cada fonte. A posse de arquivos não é permissão para todos os usos subsequentes. Controlar a divulgação pública de cenas de clientes ou informações identificáveis ​​de acordo com o escopo acordado.

Aceite exemplos representativos primeiro

Defina a tarefa alvo e as regras de rótulo e, em seguida, revise os exemplos representativos. Verifique arquivos legíveis, formatos e dimensões acordados, rótulos correspondentes, significados de classe consistentes e metadados de origem e versão rastreáveis. Registre rótulos ou coberturas não confirmadas como itens pendentes.

Separe a aceitação de dados da avaliação do modelo

Aceite dados em relação à integridade, qualidade, cobertura e consistência do rótulo. O desempenho do modelo requer adicionalmente treinamento definido, validação e dados, versões e métricas de teste independentes. Sem esses testes, a entrega de imagens sintéticas é uma prova insuficiente de treinamento concluído ou melhoria de desempenho.

Serviços relacionados: dados, treinamento e avaliação e consultas de projeto.