Home / FAQs / AI 시스템, VoiceAgent 및 Visual Recognition
QUESTION & ANSWER

몇 가지 사진이 시각적 인 인식 프로젝트와 데이터를 얻는 방법?

Visual 프로젝트는 모든 시나리오에서 이미지의 고정 수에 적용되지 않으며 표현은 단순히 겹쳐 쌓이는 것보다 더 중요합니다. 데이터는 다른 장치, 빛, 각도, 배치, 배경, 일반 카테고리 및 희귀한 anomalies를 커버해야합니다.

질문에 대한 답변

먼저 의사 결정에 사용될 수있는 결론을 제공합니다.

데이터는 이러한 방법으로 수행되어야 합니다. 대상, 행동 및 오류의 결과, 그리고 그 후 수집 및 라벨링을 설계. 분류, 검출, 파티션 및 OCR 라벨링의 다른 형태를 필요로, 심각한 일반 부족 분리되어야.

DECISION FACTORS

어떤 조건은 판단하기 전에 확인되어야합니까?

동일한 질문은 다른 사업, 자료 및 프로젝트 단계의 밑에 다른 대답이 있을지도 모릅니다. 그것은 뒤에 오는 조건이 검사되고 웹에 일반적인 발견은 그들의 자신의 프로젝트에 통합될 것이라는 점을 건의됩니다.

범주의 정의는 다른 운영 전문가 중 일관된 결론을 제공 할 수 있습니다.situ 변화와 희귀 anomalies 입력 데이터 세트동일한 비디오 프레임은 훈련 및 테스트에 대한 mistook이었다사진 기록 및 합법적 인 위임장 및 예약 규칙 사용
ACTION STEPS

사전 예약

01

첫째, 우리는 표적과 국경에 대해 명확하게 될 것입니다.

(c) 개체, 범주, 위험, 최종 행동 및 불평할 수 있는 규칙을 식별합니다.

02

유효성 열쇠 의존

대표 샘플은 촬영 및 데이터 검사는 현장 조건과 일괄 처리로 수행됩니다.

03

평가 가능한 결과의 개발

작은 이중 표식 운동은 확장하기 전에 일관성을 확인하기 위해 수행됩니다.

04

실제 결과와 다음 단계를 결정하십시오.

모형 유형에 의해 예외를 컴파일하고 독립적인 마지막 시험 세트를 지킵니다.

PRACTICAL EXAMPLE

실제 사업에서 어떻게 이해합니까?

판단의 방법을 설명하는 데 사용되는 예

식물은 정상적인 제품의 100,000의 이미지를 모으고, 그러나 진짜 결점의 단지 수십, 동일한 사진기에서 온 모든. 자료는 생산의 효율성을 지키는 충분하지 않습니다. 팀은 결함의 수준을 첫째로 redefine하고 다른 생산 라인, 빛 및 배치의 비정상적인 표본을 보충하고, 필요하면 믿을 수 있는 작은 가늠자 평가를 설치하고, 현장 시험 광업 및 전문가 검토를 통해서.

COMMON RISKS

가장 쉬운 피트에서 단계.

사진의 총 수는 찾고, 소스 또는 조건이 기록되지 않습니다.

라벨 제작 인력은 결함의 의도적 정의에 직접 훈련되었습니다.

동일한 프레임과 훈련 및 테스트에서 둘 다 같은 비디오를 넣어.

ACCEPTANCE

우리는 수신 및 확인을 종료해야 하는 방법?

데이터 단계는 납품의 유형, 수집의 범위, 표준 설명, 샘플 배포, 품질 샘플링, 공인 경계 및 버전 레코드의 설명을 포함해야합니다.

공급자 또는 내부 팀과 통신 할 때, 현재 프로세스, 대표 샘플, 기존 시스템, 계획 시간 및 예산 수준이 가져 오는 것이 좋습니다. 우선, 알 수없는 항목은 명확하게 표시되고 그 결정은 진단, PoC, 고정 범위 프로젝트 또는 지속적인 연구 및 개발, 이는 일반적으로 국경없이 가격과 기간 동안 직접 수요보다 신뢰할 수있는 것보다 더 신뢰할 수 있습니다.

프로젝트 조건은 위의 예에서 다르습니까?

운영 목적, 기존 시스템, 샘플 및 계획된 시간은 컨설턴트가 실제 경계와 관련하여 예비 판단을 만들 수 있기 전에 충돌 할 수 있습니다.

Associate 프로젝트 컨설턴트