項目背景
源數據包含港口、門吊及堆場相關圖像，以及forklift、cone、bollard、person四類目標清單，但沒有檢測框或分割掩膜。項目需要先建立一套受控演示數據，用於評審天氣、光照、相機退化、物體呈現方式和交付文件，再決定是否進入模型訓練階段。
交付目標
建立可追溯的數據包，並將基於源圖的圖像增強與獨立生成的視覺示例分開管理。每張變換圖像記錄場景、源文件、隨機種子和處理參數。交付物用於數據規劃和方案評審，不作為模型精度證明，也不視為已完成標注的生產訓練數據。
實施流程
實施過程包括源數據治理、可復現圖像處理、場景示例生成、文件量化檢查和人工視覺復核。
- 01
審計源數據
清點圖像文件、尺寸、類別定義和現有標注格式，明確記錄源數據只有類別清單，沒有檢測框和分割掩膜。
- 02
控制源圖範圍
復核文件名和聯繫圖，排除與港口作業無關的外部道路圖像，再用通過篩選的港口及堆場源圖重新生成數據包。
- 03
生成八類條件樣本
針對晴天、夜間堆場、雨水鏡頭、霧霾、夕陽逆光、運動模糊、前景遮擋和監控壓縮八種條件，各生成6張1280 x 720圖像。
- 04
製作類別場景示例
圍繞crane、container、cone、forklift四類對象各生成10張視覺示例，並與源圖增強結果分目錄保存。
- 05
評審姿態與背景變化
補充3張姿態和背景示例，覆蓋路緣傾斜、施工現場左傾以及工廠場景偏航或傾斜。
- 06
整理證據和客戶文件
生成元數據、品質檢查摘要和兩頁聯繫圖，並製作19頁客戶評審文件，選取16張大圖用於逐項查看。
交付內容
- 可復現生成腳本
- 用於八類圖像條件的參數化腳本，保留固定隨機種子和輸出元數據。
- 48張圖像增強數據
- 8個場景，每個場景6張1280 x 720 JPG；每個輸出對應一行元數據。
- 40張分類生成圖
- crane、container、cone、forklift四類各10張，與源圖增強結果分開管理。
- 姿態與背景示例
- 3張生成圖，用於評審目標朝向、構圖和環境變化。
- 客戶評審文件
- 19頁DOCX和PDF，包含16張代表圖、數據範圍及使用邊界。
已核驗證據
以下數據來自文件、元數據和文件檢查，不是模型性能指標。
源數據審計
4個類別名稱；無檢測框、無分割掩膜。現有證據只支持圖像級仿真和數據規劃。若進行監督式目標檢測訓練，仍需補充標注。
增強數據結果
8個場景共48張1280 x 720 JPG。每個場景6張；元數據記錄源文件、場景、隨機種子和變換參數。
品質檢查
錯誤、未知記錄、外部源圖、低資訊候選和近重復圖像對均為0。48張圖像的亮度範圍為39.4至137.5，圖像標準差範圍為15.5至62.6。
生成評審材料
40張分類生成圖、3張姿態/背景圖，以及包含16張選圖的19頁文件。這些數量證明數據包完整性和文件排版，不證明標注品質或模型適用性。
已執行驗證
- 48張增強圖像全部可以打開，尺寸均為預期的1280 x 720。
- 元數據表共48行，八個場景各對應6個輸出。
- 源圖過濾後復核了兩頁聯繫圖，最終數據包不含無關的外部道路圖像。
- 40張分類生成圖和3張姿態/背景圖均完成計數和打開檢查；未進行標簽準確率或模型準確率測試。
使用範圍與證據邊界
本案例能夠證明的範圍是數據審計、圖像級增強、視覺場景生成、元數據、品質檢查和客戶文件整理。本案例不聲稱源數據已經具備直接標注條件，不將生成圖像視為已核驗的訓練標簽，也不聲稱任何檢測模型達到特定的精確率、召回率或mAP。進入模型開發前，仍需完成標注、訓練集與驗證集劃分、真實場景代表性檢查、類別均衡分析、標注品質檢查和基於指標的驗收標準。