Home / FAQs / AI Sistem, VoiceAgent dan Pengenalan Visual
QUESTION & ANSWER

Berapa banyak foto yang kubutuhkan untuk proyek pengenalan visual dan bagaimana aku bisa mendapatkan datanya?

Proyek visual tidak berlaku untuk jumlah gambar tetap dalam semua skenario, dan representasi biasanya lebih penting daripada menumpuk. Data perlu untuk menutupi perangkat yang berbeda, cahaya, sudut, batch, latar belakang, kategori normal dan anomali langka.

Jawab pertanyaannya.

Pertama, memberikan kesimpulan yang dapat digunakan untuk memutuskan-membuat

Data tersebut harus disiapkan sedemikian rupa untuk mengidentifikasi target, aksi dan konsekuensi dari kesalahan, lalu mendesain koleksi dan label. klasifikasi, deteksi, pembagian dan OCR membutuhkan bentuk label yang berbeda, dan deficients serius dan umum harus dipisahkan.

DECISION FACTORS

Kondisi apa yang perlu diidentifikasi sebelum penghakiman dibuat?

Pertanyaan yang sama mungkin memiliki jawaban yang berbeda di bawah berbagai bisnis, data, dan fase proyek. Hal ini disarankan agar kondisi berikut diperiksa dan bahwa temuan yang sama di web dimasukkan ke dalam proyek mereka sendiri.

Apakah definisi kategori menyediakan kesimpulan yang konsisten antara para ahli operasional yang berbedaDalam perubahan situ dan anomali langka memasuki set dataApakah bingkai video yang sama salah untuk pelatihan dan pengujianRekaman foto dan gunakan dengan mandat sah dan aturan reservasi
ACTION STEPS

Perintah yang disarankan dari muka

01

Pertama, kita akan jelas tentang target dan perbatasan.

(c) Mengidentifikasi objek, kategori, risiko, tindakan akhir dan aturan tidak dapat dinilai.

02

Dependence Kunci Validasi

Sampel perwakilan diambil dan pemeriksaan data dilakukan oleh kondisi lapangan dan batch.

03

Pengembangan hasil yang dapat dipertimbangkan

Latihan penanda ganda dilakukan untuk memeriksa konsistensi sebelum ekspansi.

04

Pastikan kau memutuskan langkah berikutnya dengan hasil yang sebenarnya.

Komplemen pengecualian dengan tipe model dan pertahankan set tes akhir independen.

PRACTICAL EXAMPLE

Bagaimana kau memahaminya dalam bisnis yang sebenarnya?

Contoh yang digunakan untuk menggambarkan metode penilaian

Pabrik mengumpulkan 100.000 gambar dari produk normal, tapi hanya lusinan cacat nyata, semuanya berasal dari kamera yang sama.

COMMON RISKS

Lubang termudah untuk melangkah.

Hanya jumlah total gambar yang dicari, dan tidak ada sumber atau kondisi yang direkam.

Personil yang diberi label dilatih langsung pada definisi tidak konsisten dari cacat

Masukan video yang sama dalam bingkai yang sama dan baik dalam pelatihan dan pengujian.

ACCEPTANCE

Bagaimana kita bisa menerima dan mengkonfirmasinya?

Fase data seharusnya berisi deskripsi jenis pengiriman, lingkup koleksi, deskripsi standar, distribusi sampel, sampling kualitas, batas-batas yang berwenang dan catatan versi.

Ketika mempersiapkan untuk berkomunikasi dengan pemasok atau tim internal, disarankan bahwa proses saat ini, contoh perwakilan, sistem yang ada, perencanaan tingkat waktu dan anggaran akan dibawa. Pertama, item yang tidak diketahui jelas ditandai, dan kemudian keputusan dibuat untuk menggunakan diagnosis, PoC, proyek jangkauan tetap atau penelitian dan pengembangan yang sedang berlangsung, yang biasanya lebih dapat diandalkan daripada permintaan langsung untuk harga dan durasi tanpa batas.

Kondisi proyek Anda berbeda dari contoh di atas?

Tujuan operasional, sistem yang ada, sampel dan rencana waktu dapat dikumpulkan sebelum konsultan bisa membuat penilaian awal dalam kaitannya dengan batas-batas sebenarnya.

Konsultan proyek asosiasi