Dokumentation

Brugervejledningen og vejledningsteksterne fra din BadBob-app.

Indhold

Evaluering · Create ML

Undersøg ydeevnen på tilbageholdte referencebilleder, og find konkrete fejl.

Før du starter

Et færdigt Create ML-resultat og tilgængelige evalueringsbilleder.

Kom hurtigt i gang

  1. Åbn Evaluering, og vælg Create ML i backendvælgeren.
  2. Vælg kørsel og evalueringsdata, og kør evalueringen. Undersøg manglende objekter, ekstra objekter og forkerte klasser.
  3. Inspicér enkelte forudsigelser, og bevar nyttig fejlevidens til gennemgang.

Funktioner og valg

  • Model

    Vælg en model efter navn og version; det korte kørsels-ID vises til identifikation og bruges, når et navn ikke er tilgængeligt.

  • Vælg opdeling

    Vælg et datasæt og split før Evaluér. Train er kun til inspektion; Val understøtter justering, og Test holdes adskilt. Brug konsekvente split og tærskler, når resultater sammenlignes. Træningstab alene fastslår ikke detektions- eller maskekvalitet.

  • Gennemse og vælg

    Klik på en listerække, og brug derefter Op/Ned til at gennemse de filtrerede billeder. De separate kontakter vælger billeder til Failure Bank; gennemsyn ændrer ikke dette valg. Ændring af filteret holder det aktive billede synligt eller vælger det første matchende billede.

  • Sammenlign annoteringer

    Menneskelige annoteringer (fuldt optrukne linjer) og Modelforslag (stiplede linjer) bruger projektets klassefarver og kan vises uafhængigt for at inspicere overlappende omrids.

  • Håndtér fejl

    Indlæsnings- og handlingsfejl bliver over billedområdet, indtil de lukkes med lukkeknappen, eller et andet projekt åbnes. En vellykket baggrundsopdatering skjuler ikke meddelelsen.

Resultat

Gemt evalueringsgrundlag og eksempler, der forklarer målingerne.

Næste trin

Sammenlign med en tidligere model, eller gennemgå fejl i Failure Bank.

Al dokumentation