Dokumentation

Manualen och guiderna från din BadBob-app.

Innehåll

Utvärdering · Create ML

Granska resultat på separata referensbilder och hitta konkreta fel.

Innan du börjar

Ett färdigt Create ML-resultat och tillgängliga utvärderingsbilder.

Snabbstart

  1. Öppna Utvärdering och välj Create ML i backend-väljaren.
  2. Välj körning och utvärderingsdata och kör utvärderingen. Granska saknade objekt, extra objekt och fel klasser.
  3. Granska enskilda prediktioner och bevara användbara felexempel.

Funktioner och val

  • Modell

    Välj modell efter namn och version; det korta körnings-ID:t visas för identifiering och används om namn saknas.

  • Välj delmängd

    Välj dataset och delmängd före Utvärdera. Train är endast inspektion, Val används för justering och Test hålls undan. Använd samma split och trösklar vid jämförelse. Träningsförlust ensam fastställer inte detektions- eller maskkvalitet.

  • Bläddra och markera

    Klicka på en listrad och använd sedan upp-/nedpil för att bläddra bland filtrerade bilder. De separata switcharna väljer bilder till Failure Bank; bläddring ändrar inte urvalet. Vid filterbyte behålls den aktiva bilden om den visas, annars väljs första matchande bild.

  • Jämför annoteringar

    Mänskliga annoteringar (heldragna linjer) och Modellförslag (streckade linjer) använder projektets klassfärger och kan visas var för sig för att granska överlappande konturer.

  • Hantera fel

    Fel vid inläsning och åtgärder ligger kvar ovanför bildytan tills du stänger meddelandet med kryssknappen eller öppnar ett annat projekt. En lyckad bakgrundsuppdatering döljer inte meddelandet.

Resultat

Sparat utvärderingsunderlag och exempel som förklarar mätvärdena.

Nästa steg

Jämför med en tidigare modell eller granska fel i Failure Bank.

All dokumentation