Vision par ordinateur

Les images deviennent des tableaux numériques qui codent des pixels ou d'autres représentations. Un modèle apprend des modèles utiles pour atteindre son objectif, mais ces modèles peuvent inclure des corrélations accidentelles. Un classificateur peut s'appuyer sur un arrière-plan plutôt que sur l'objet qu'un développeur voulait qu'il reconnaisse. Définissez précisément la sortie. Classification assigns labels to an image; la détection localise les instances d'objet ; la segmentation étiquette les pixels ou les régions. Un modèle qui identifie une catégorie d'objet peut ne pas parvenir à localiser sa limite ou à distinguer plusieurs instances qui se chevauchent. Évaluez sur des caméras, un éclairage, des résolutions, des points de vue et des environnements réalistes. Conservez les images associées de la même scène ou enregistrez ensemble lors du fractionnement des données pour éviter des résultats trop optimistes. Inspectez les conditions inhabituelles et le coût des différentes erreurs. L'application doit également gérer la qualité de l'image, les autorisations, l'incertitude et les actions en aval. Une étiquette de confiance ne prouve pas qu'une scène est sûre ou qu'il est approprié d'utiliser un attribut déduit. Préservez l’image source et les informations d’évaluation significatives lorsque les utilisateurs doivent vérifier un résultat.