ドキュメント
BadBobアプリのマニュアルとガイドの本文です。
Capture Labガイド
モデルが苦手な場面を見つけ、証拠データを修正して振り分け先を選びます。
クイックスタート
「完全テスト」「集中テスト」「自由撮影」から開始します。
オブジェクトを回転させ、角度を変え、離れたオブジェクト、密集したグループ、グループの外にある1つのオブジェクトを試してください。
アノテーションとクラスを修正します。エラーの状態を設定し、メモを追加して画像を保存します。
「学習に追加」「Guard Set」「後で保存」「難しいケース」を選択します。
Annotatorガイド
各物体を確認し、矩形とクラスを修正して学習プロジェクトを保存することで、撮影画像を信頼できる正解データにします。
クイックスタート
画像一覧と状態バッジで、空、自動、または編集済みの例を探します。
アノテーションを移動・サイズ変更し、見落とされたオブジェクトを追加し、誤ったアノテーションを削除して、正しいクラスを割り当てます。
欠落した画像、空のアノテーション、無効なラベル、画像外の矩形を修正します。
すべての画像の準備が整ってから、確認済みのプロジェクトを選択した追加学習データにマージします。
信頼できるデータを準備
確認済みデータセットを作成し、評価用画像を分けます。
クイックスタート
既存のデータセットを読み込むか、確認済み画像を集めます。BadBob はコピーを検証し、一致する Image Bank の画像を再利用します。元のファイルは変更しません。
クラスの対応、アノテーション、分割を確認します。試行実行で読み込み前に不足データと重複を確認します。
Train はモデルの学習用、Val は開発中の評価用、Test は最終評価用です。それぞれの役割を分けてください。
名前、バージョン、任意の親データセットを選びます。公開済みデータセットは画像のリビジョンを固定し、後の変更は新しいバージョンに含めます。
準備して学習する
確認済みアノテーションを含む公開済みデータセットを使います。検証、テスト、ガード画像は別々の役割を維持します。
クイックスタート
アルゴリズム、反復回数、バッチサイズを選びます。自動反復回数は BadBob の推定です。モデルに名前とバージョンを付けます。
プロジェクト外の出力フォルダを選びます。学習中はタブを切り替えられ、完了音も有効にできます。
検証またはテスト画像を評価します。見逃し、余分な検出、誤ったクラスを確認し、選択した画像を Failure Bank に送り手動で確認します。
同じ画像でモデルを比較し、クラスごとの適合率と再現率を確認します。ガードは別に評価します。外部モデルの学習は再開しません。
Failure Bankガイド
モデルの失敗を確認し、回帰の証拠を保持し、元の証拠データを変更せず検証済みの学習引き継ぎを準備します。
クイックスタート
BadBobが選択した元画像を検証している間、モデル予測と現在の手動リビジョンを並べて確認します。
何が起きたか、この例が重要な理由、後のレビュー担当者に必要な背景を記録します。
有用な例を学習へ送り、回帰ケースをGuard Setで保護するか、不確かなケースを後のために保留します。
不確かな証拠データは学習・検証・テストから除外して保留します。難しいケースは調査や後の段階の学習のため表示され続けます。