← Durum çalışmalarına geri dönelim Sentetik görme verileri

Port ve gantry görme verileri simülasyonu: görüntü büyütme, sentetik sahneler ve veri kümesi kalitesi kontrolü

Port sahne kaynak denetimi, sekiz şartlı görüntü artışı, oluşturulan nesne sahnesleri, metadata, kalite kontrolleri ve inceleme belgelerini kapsayan anonim bir Sinovanta davası.

Bağlantı
Kaynak verileri denetimi ve sentetik görüntü gösterimi
Kapsamı
Liman ve bahçe sahneleri, görüntü artışı, üretilen örnekler, kalite kontrolleri ve belgeleri
Giriş sınırı
Resim arşivleri ve dört sınıf listesi; sınırlama kutuları veya segmentasyon maskeleri yoktur
Kontrol edilen çıkışlar
48 büyütme örneği, 40 oluşturulan sınıf görüntüsü ve 3 poz / arka plan örneği
01

Proje özetleri

Kaynak arşivinde port ve gantry ile ilgili görüntüler ve dört sınıflu bir liste yer alıyordu: şarj taşıyıcısı, koni, bollard ve kişi. Deteksiyon kutuları ya da segmentasyon maskeleri yoktu. Görev, herhangi bir model eğitimi kararından önce hava, aydınlatma, kamera çöküşü, nesne sunumu ve belge incelemesi için denetlenmiş bir gösterim seti oluşturmaktı.

02

Teslimat amacı

Kaynak kaynaklı artırmayı üretilen görsel örneklerden ayıran izlenebilir bir paket oluşturun. Her dönüştürülmüş görüntü bir senaryo, kaynak referansı, tohum ve parametre kaydı gerekiyordu. Sonuç, model doğruluğunun kanıtı veya açıklama hazır üretim verileri olarak değil, veri kümesi planlaması ve incelemesi için tasarlanmıştı.

Uygulama iş akışı

Çalışma akışı kaynak yönetimi, yeniden üretilebilir görüntü işleme, oluşturulan sahne örnekleri, miktarlı dosya kontrolleri ve görsel incelemeyi birleştirdi.

  1. 01

    Kaynak arşivini denetleme

    Envanter görüntü dosyaları, boyutları, sınıf tanımları ve mevcut not biçimleri. Verilen arşivin sınıf listesi olduğunu, ama kutu ve maskeleri olmadığını kaydedin.

  2. 02

    Kontrol kaynağının uygunluğu

    Dosya isimlerini ve iletişim sayfalarını gözden geçirin, ilgili olmayan dış yol görüntülerini dışlayın ve paketi kabul edilen liman ve istasyon kaynak kümesinden yeniden oluşturun.

  3. 03

    Sekiz stres durumu oluşturur.

    Her biri için 1280 x 720 örnek oluşturun, açık gün, gece bahçesi, yağmur kamerası, sis veya sis, güneş batımının arka ışığı, hareket bulanıklığı, ön plan örtüsü ve gözetleme sıkıştırması.

  4. 04

    Sınıf odaklı sahne örnekleri oluşturun

    Dört inceleme sınıfından her biri için on üretilen görüntü üretin: kran, konteyner, koni ve şarj taşıyıcısı. Bu dosyaları kaynak kaynak kaynaklı büyütmeden ayırın.

  5. 05

    Değerlendirme pozisyonu ve arka plan değişimi

    Kompozisyon tartışmasını desteklemek için şehir-yol sınır eğilimi, inşaat alanı eğilimi ve fabrika yaw veya eğilimi kapsayan üç ek örnek oluşturun.

  6. 06

    Paket kanıtları ve belgeler

    Metadata ve kaliteli özetler yazın, iki iletişim sayfasını gösterin ve 16 temsilci büyük formatlı görüntü içeren 19 sayfalık bir müşteri belgesini hazırlayın.

03

Teslim edilen paket

Yeniden üretilebilir jeneratör
Sekiz görüntü seviyesindeki stres koşulları için parametreli bir senaryo, istikrarlı tohumlar ve çıkış meta verileri ile.
48 görüntü büyütme seti
Her senaryo için altı 1280 x 720 JPG dosyası ve her çıkış için bir metadata satırı olan sekiz senaryo.
40 sınıf görüntüsü oluşturuldu
Her bir kran, konteyner, konus ve şarj taşıyıcısı için on görsel örnek, kaynaktan elde edilen görüntülerden ayrı olarak saklanmıştır.
Poz ve arka plan örnekleri
Nesne yönelimi, çerçeveleme ve çevresel değişimi incelemek için kullanılan üç örnek üretildi.
Müşteri değerlendirme belgesi
16 seçilen resim, paket kapsamı ve kullanım sınırları ile 19 sayfalık bir DOCX ve PDF sunumu.
04

Doğrulanmış kanıt

Aşağıdaki rakamlar teslim edilen paketten dosya, metadata ve belge kontrolüdür. Bunlar model performans ölçüleri değil.

Kaynak denetimi

Dört sınıf adı; sınırlama kutuları veya maskeleri yok.

Kullanılabilir kanıtlar sadece görüntü düzeyinde simülasyon ve planlama destekledi. Ek açıklama olmadan denetlenmiş tespit eğitimini desteklemiyordu.

Geliştirme çıkışı

8 senaryoda 1280 x 720'de 48 JPG dosyası.

Her senaryo altı dosyayı içerir. Metadata kaynak görüntüsü, senaryo, rastgele tohum ve dönüşüm parametrelerini kaydeder.

Kalite kontrolü

0 hata, bilinmeyen sıralar, dış kaynaklı sıralar, düşük bilgi adayları veya neredeyse kopyalama çiftleri.

Ölçülen parlaklık 39,4 ila 137,5 arasında, görüntü standart sapması ise 48 dosya seti boyunca 15,5 ila 62,6 arasında değişmiştir.

Yaratılan inceleme varlıkları

40 sınıf görüntüsü, 3 poz / arka plan örneği ve 16 seçilen görüntü ile 19 sayfalık bir belge.

Bu sayılar paketin tamlığını ve belgenin düzenini doğruluyor. Notasyon kalitesini veya model uygunluğunu belirlemezler.

05

Geçerlilik gerçekleştirildi

  • Tüm 48 genişletilmiş dosya başarılı bir şekilde açıldı ve beklenen 1280 x 720 boyutları rapor etti.
  • Metadata tablosu, sekiz senaryodan her birine altı çıkış atanan 48 satır içeriyordu.
  • Kaynak filtrelenmesinden sonra her iki iletişim sayfası da gözden geçirildi; nihai pakette ilişkisi olmayan herhangi bir dış yol görüntüsü kalmadı.
  • Yaratılan 40 sınıf dosyası ve üç poz / arka plan dosyası sayıldı ve açıldı; etiket doğruluğu veya model doğruluğu testi yapılmadı.
06

Kullanım ve kanıt sınırı

Bu durum, veri denetlemesini, görüntü seviyesinin artırılmasını, oluşturulan görsel örnekleri, metadataları, kalite kontrollerini ve müşteri belgelerini göstermektedir. Kaynak arşivinin açıklama hazır olduğu, üretilen görüntülerin doğrulanmış eğitim etiketleri olduğu veya herhangi bir dedektörün belirtilen bir doğruluk, hatırlama veya mAP'ye ulaştığını iddia etmez. Model geliştirilmeden önce, veri kümesi hala notlama, tren/validasyon bölünmesi, gerçek sahne temsilciliği incelemesi, sınıf dengesi analizi, notlama kalitesi güvencesi gerektirir. ve metrik tabanlı kabul kriterleri.

Liman veya endüstriyel sahneler için bir görüntü verisi planlıyor musun?

Kaynak yapısını, hedef sınıfları, çalışma koşullarını, notasyon durumunu ve amaçlanan model görevini paylaşın. Sinovanta, gözden geçirilebilir bir veri ve doğrulama kapsamını tanımlayabilir.

Verilerin kapsamını tartışın →