まず、意思決定に使用できる結論をあげます
データは、ターゲット、アクション、エラーの結果を特定し、コレクションとラベリングを設計するために、そのような方法で準備する必要があります。分類、検出、分割、OCRは、異なる種類のラベリングを必要とし、深刻な一般的な欠陥が分離されるべきです。
判断前にどのような条件を識別する必要がありますか?
同じ質問は、異なるビジネス、データ、およびプロジェクトフェーズで異なる回答を持つ場合があります。次の条件がチェックされ、Web上の一般的な検索が自分のプロジェクトに組み込まれていることを示唆しています。
事前に提案した注文
まず、目標と境界について明確にします。
(c) オブジェクト、カテゴリ、リスク、最終行動、判断できないルールを特定する。
検証キー依存
代表的なサンプルを取、フィールド条件やバッチでデータチェックを行います。
評価可能な結果の開発
拡大前の一貫性を点検するために、小さな二重マーキング演習を実施します。
次のステップを実際の結果で決定してください。
モデルタイプで例外を補完し、独立した最終テストセットを保持します。
実際のビジネスでどのように理解すればいいですか?
植物は、通常の製品の100,000画像を集めていますが、実際の欠陥の数十だけを収集します。そのすべてが同じカメラから来ています。 データは、生産の有効性を確保するために十分ではありません。 チームは、まず欠陥のレベルを赤化し、異なる生産ライン、光とバッチの異常なサンプルを補うべきであり、信頼性の高い小規模な評価を確立し、必要に応じて、オンサイトテストマイニングと専門家レビューを介して。
一番簡単なピットでステップアップ。
撮影した写真の総数だけを問わず、ソースや条件が記録されていない。
ラベル付き担当者は、欠陥の矛盾した定義に直接訓練された
同じフレームに同じビデオを入れ、トレーニングとテストの両方で。
受診と確認を終わらせる方法は?
データフェーズには、配信の種類、コレクションのスコープ、標準の説明、サンプル配布、品質サンプリング、承認された境界とバージョンレコードの説明が含まれる必要があります。
サプライヤーや社内チームと通信する準備をする際、現在のプロセス、代表サンプル、既存のシステム、計画時間、予算レベルが持ち込まれることが推奨されます。まず、未知の項目は明確にマークされ、その後、診断、PoC、固定範囲プロジェクト、または進行中の研究開発を使用することが決定されます。これは通常、境界線なしで価格と期間の直接的な需要よりも信頼性が高くなります。