Premièrement, donner des conclusions qui peuvent être utilisées pour la prise de décisions
Les données doivent être préparées de manière à identifier la cible, l'action et les conséquences de l'erreur, puis à concevoir la collecte et l'étiquetage. La classification, la détection, le cloisonnement et OCR nécessitent différentes formes d'étiquetage, et les lacunes graves et générales doivent être séparées.
Quelles conditions faut-il définir avant de porter un jugement?
La même question peut avoir des réponses différentes dans différentes phases d'activité, de données et de projet. Il est suggéré de vérifier les conditions suivantes et d'intégrer les conclusions communes sur le web dans leurs propres projets.
Ordre d ' avancement suggéré
Premièrement, nous serons clairs sur la cible et la frontière.
c) Identifier les objets, les catégories, les risques, les actions finales et les règles injugables.
Validation Dépendance des clés
Un échantillon représentatif est prélevé et une vérification des données est effectuée par les conditions de champ et par lots.
Élaboration de résultats évaluables
Un petit exercice de double marquage est effectué pour vérifier la cohérence avant l'expansion.
Assurez-vous de décider de la prochaine étape avec les résultats réels.
Compléter l'exception par type de modèle et conserver un ensemble d'essai final indépendant.
Comment le comprenez-vous dans le business réel?
L'usine recueille 100 000 images de produits normaux, mais seulement des dizaines de défauts réels, qui proviennent tous de la même caméra. Les données ne sont pas suffisantes pour assurer l'efficacité de la production. L'équipe devrait d'abord redéfinir le niveau de défauts et compléter les échantillons inhabituels de différentes lignes de production, lumière et lots, et établir des évaluations fiables à petite échelle, si nécessaire, par l'exploitation d'essais sur place et l'examen d'experts.
La fosse la plus facile à monter.
Seul le nombre total d'images est recherché, et aucune source ou condition n'est enregistrée.
Le personnel étiqueté a été formé directement à la définition incohérente des défauts.
Mettez la même vidéo dans le même cadre et à la fois dans la formation et les tests.
Comment devrions-nous finir par recevoir et confirmer?
La phase de données devrait comprendre une description du type de prestation, de la portée de la collecte, de la description type, de la distribution des échantillons, de l'échantillonnage de qualité, des limites autorisées et des enregistrements de versions.
En se préparant à communiquer avec les fournisseurs ou les équipes internes, il est recommandé d'apporter les processus actuels, des échantillons représentatifs, des systèmes existants, des délais de planification et des niveaux budgétaires. Premièrement, les éléments inconnus sont clairement marqués, et la décision est alors prise d'utiliser des diagnostics, PoC, des projets à fourchette fixe ou des recherches et développements en cours, qui sont généralement plus fiables qu'une demande directe de prix et de durée sans frontières.