🟠 Сколько данных нужно, чтобы обучить модель для стройки?
Делимся с вами - как компания учит нейросеть распознавать людей, технику и опасные ситуации на стройплощадках.
• Стартовый минимум — 3-4 тыс. размеченных изображений на класс.
• Количество данных — не главное.
• В компании накопили 1 млн+ размеченных реальных кадров за 3,5 года
• Разметка — не вспомогательный процесс, а отдельный непрерывный цикл:
В нашем случае именно датасет позволяет компании обеспечивать точность выше 97% из коробки, а так же быстро и эффективно реализовывать новые сценарии.
❓Как и с помощью чего меряют качество на отдельной тестовой выборке — читайте полную статью на ХАБР
QM | MAX | ВК | @KonstLob
Делимся с вами - как компания учит нейросеть распознавать людей, технику и опасные ситуации на стройплощадках.
• Стартовый минимум — 3-4 тыс. размеченных изображений на класс.
Но это не универсальное правило: для редких событий (пожары, задымления, несчастные случаи) счёт идёт на сотни тысяч, потому что они попросту редко встречаются в кадре.
• Количество данных — не главное.
Важнее разнообразие: новые ракурсы, перекрытия, освещение и погода дают больше, чем тысячи однотипных кадров.
• В компании накопили 1 млн+ размеченных реальных кадров за 3,5 года
— по их оценке, крупнейший в России датасет такого рода (это собственная оценка компании, не независимый рейтинг).
• Разметка — не вспомогательный процесс, а отдельный непрерывный цикл:
часть делают внутри команды, часть отдают на аутсорс, всё проходит валидацию через CVAT.
В нашем случае именно датасет позволяет компании обеспечивать точность выше 97% из коробки, а так же быстро и эффективно реализовывать новые сценарии.
❓Как и с помощью чего меряют качество на отдельной тестовой выборке — читайте полную статью на ХАБР
QM | MAX | ВК | @KonstLob