Dokumentasjon

Brukerhåndboken og veiledningstekstene fra BadBob-appen din.

Innhold

Evaluering · Create ML

Undersøk ytelsen på tilbakeholdte referansebilder, og finn konkrete feil.

Før du starter

Et ferdig Create ML-resultat og tilgjengelige evalueringsbilder.

Kom raskt i gang

  1. Åpne Evaluering, og velg Create ML i backendvelgeren.
  2. Velg kjøring og evalueringsdata, og kjør evalueringen. Undersøk manglende objekter, ekstra objekter og feil klasser.
  3. Inspiser individuelle prediksjoner og bevar nyttig feilevidens til gjennomgang.

Funksjoner og valg

  • Modell

    Velg en modell etter navn og versjon; den korte kjørings-ID-en vises for identifikasjon og brukes når navn mangler.

  • Velg delmengde

    Velg datasett og datasplitt før Evaluer. Train er bare for inspeksjon; Val støtter justering og Test holdes utenfor. Bruk konsekvente datasplitter og terskler når du sammenligner resultater. Treningstap alene fastslår ikke deteksjons- eller maskekvalitet.

  • Bla gjennom og velg

    Klikk på en listerad og bruk Opp/Ned til å bla gjennom de filtrerte bildene. De separate bryterne velger bilder for Failure Bank; blaing endrer ikke det utvalget. Endring av filteret beholder det aktive bildet synlig eller velger første samsvarende bilde.

  • Sammenlign annotasjoner

    Menneskelige annoteringer (heltrukne linjer) og Modellforslag (stiplede linjer) bruker prosjektklassefarger og kan vises uavhengig for å inspisere overlappende omriss.

  • Håndter feil

    Innlastings- og handlingsfeil blir over bildeområdet til de lukkes med lukkeknappen eller et annet prosjekt åpnes. En vellykket bakgrunnsoppdatering skjuler ikke meldingen.

Resultat

Lagret evalueringsgrunnlag og eksempler som forklarer målingene.

Neste trinn

Sammenlign med en tidligere modell, eller gå gjennom feil i Failure Bank.

All dokumentasjon