智能标注听着省事:选个模型,点一下,整批图的框就出来了。智能标注怎么用才算真的用起来?真上手才发现,出框很快,能用还得靠前面的一堆准备。这份清单把要用到的动作列全,照着勾就行。
代表样本、类别标准、数据分组与关键指标,构成智能标注准备清单代表样本、类别标准、数据分组与关键指标,构成智能标注准备清单代表样本、类别标准、数据分组与关键指标,构成智能标注准备清单
准备一:一小批代表样本
先人工标一小批图,覆盖主要的类别、尺度、背景和遮挡情况,标签名统一。这批样本是后面所有自动化的标准来源,标得糊,后面全糊。
数量不用多,代表性比数量重要。
准备二:把类别标准写下来
每个类别的边界是什么、相近两类怎么区分、什么情况算背景、遮挡到什么程度还算有效——这些规则在标注开始前定死,写下来。
靠口头约定或者各标各的,最后合并数据时一定对不上。
准备三:验证集测试集单独放
这两类图从头到尾保持独立,不拿去做预标,也不参与训练。同批素材、同一来源随机抽的图要当心,分不干净测出来的数不可信。
跑起来之后记三个数
漏标几个:真实存在但没框出来的
错标几个:类别判错或背景误检的
框偏几个:框的位置或大小明显不准的
同一个模型每改一次参数就记一行。几次下来能看出哪类调整真的有效,哪类只是心理安慰。
批量预标之后记录的三个数,漏标、错标、框偏批量预标之后记录的三个数,漏标、错标、框偏批量预标之后记录的三个数,漏标、错标、框偏
阈值别用默认值就完事
置信度阈值和 IoU 阈值都按场景调。先小批量试跑,看漏检和误检怎么换,找业务能接受的那个点,再放量。
五步迭代照着走
人工标一小批代表样本,立住标准
用样本训练项目初版模型
选模型对相似图片小批量预标
人工复核修正,挑易错类型重点看
确认后的样本进下一轮训练
这套循环在万唯图界旗下的万图 YOLO 里能连起来做,先把标注、训练、测试与转换导出交付放在一条流程里,参数换一换就能重看一遍。
什么时候算会用
样本有了、标准写了、数据分开了、三个数在记、阈值调过了、五步能转起来——这几项都勾上,才算把智能标注怎么用这件事摸清楚了。
五项都勾上,才算把智能标注真正用起来五项都勾上,才算把智能标注真正用起来五项都勾上,才算把智能标注真正用起来
剩下的重复劳动交给工具,标准始终留在自己手里。
当前文章无评论,是时候发表评论了