Comment écrire une annotation d’image utile à un robot ?
Une annotation utile décrit exactement ce que le modèle doit apprendre, avec une règle claire, un format stable et le niveau de précision nécessaire à l’action.
Domaine de connaissance
Questions du domaine
10 résultats
Une annotation utile décrit exactement ce que le modèle doit apprendre, avec une règle claire, un format stable et le niveau de précision nécessaire à l’action.
Contrôler plusieurs annotateurs consiste à comparer leurs décisions sur un échantillon commun, discuter les écarts et mesurer la cohérence de la règle.
Les données manquantes ou ambiguës doivent être marquées, expliquées et traitées selon une règle qui empêche le modèle de prendre une absence pour une vérité.
Relier une annotation au temps de la mission indique quand l’objet ou l’événement est visible, à quelle mesure il correspond et combien de temps il reste valable.
Conserver la traçabilité des corrections relie chaque modification d’annotation à son auteur, sa raison, sa date, la version de la règle et l’image concernée.
Une annotation de données indique à un modèle ce que représente une image, un point, un son ou un événement selon une règle définie.
Une règle d’annotation claire décrit l’unité à marquer, les classes, les frontières, les occlusions, les cas inconnus et la procédure à suivre quand le doute persiste.
Mesurer l’accord entre annotateurs révèle si une règle est comprise de la même façon et si les labels sont assez stables pour entraîner ou évaluer un modèle.
Pour corriger une annotation sans contaminer l’évaluation, on versionne la correction, conserve l’ancienne trace et ne modifie pas silencieusement les données du test.
Il vaut mieux laisser un exemple non annoté lorsque l’image est ambiguë, trop dégradée ou hors règle, plutôt que d’ajouter un label inventé qui trompera le modèle.
Une question plus précise ?