Definisci la specifica del dataset

Dove si colloca la specifica#

La specifica è il ponte tra l'obiettivo e la fotocamera. Guida la raccolta ed è la pagina a cui tornerai quando il primo modello non raggiungerà l'obiettivo:

Il ciclo torna alla specifica, non alle impostazioni di addestramento: un obiettivo mancato di solito indica uno scenario non coperto dalla specifica. La guida ai passaggi di un progetto di CV descrive lo stesso ciclo di vita.

Inserisci gli scenari in righe#

Uno scenario è una combinazione di condizioni di acquisizione che il modello deve gestire. Le righe con le quote rendono visibili le lacune prima che qualcuno prenda in mano una fotocamera:

Uno scenario che non riesci a descrivere per iscritto è uno scenario che il modello non vedrà durante l'addestramento, e sarà proprio quello a causare un problema in produzione.

Dimensiona la specifica in base agli obiettivi di volume#

I consigli di Ultralytics per ottenere i migliori risultati di addestramento indicano alcune regole pratiche per la produzione:

Questi sono i parametri di riferimento per un modello destinato alla produzione. Qualche centinaio di oggetti etichettati per classe basta per iniziare a sperimentare, e il primo modello è il modo più rapido per capire quali scenari richiedono più dati. Per vedere quanto un dataset si discosta dai parametri, contalo. Questo script funziona su COCO128, un sottoinsieme di COCO da 128 immagini che viene scaricato automaticamente:

from collections import Counter
from pathlib import Path

from ultralytics.data.utils import IMG_FORMATS, check_det_dataset, img2label_paths

IMAGES_PER_CLASS, INSTANCES_PER_CLASS = 1500, 10_000  # Ultralytics production targets

data = check_det_dataset("coco128.yaml")  # downloads COCO128 (~7 MB) on first run; swap in your data YAML
images = [p for p in Path(data["train"]).rglob("*.*") if p.suffix[1:].lower() in IMG_FORMATS]
image_count, instance_count, background = Counter(), Counter(), 0
for label in map(Path, img2label_paths([str(p) for p in images])):
    classes = [int(r.split()[0]) for r in label.read_text().splitlines() if r.strip()] if label.exists() else []
    instance_count.update(classes)
    image_count.update(set(classes))
    background += not classes

print(f"{len(images)} images, {background} background ({background / len(images):.0%}, target 0-10%)")
print(f"{'class':>12} {'images':>7} {'instances':>10} {'of target':>10}")
ranked = instance_count.most_common()
for cls, n in ranked[:3] + ranked[-3:]:  # best and worst covered classes
    coverage = min(image_count[cls] / IMAGES_PER_CLASS, n / INSTANCES_PER_CLASS)
    print(f"{data['names'][cls]:>12} {image_count[cls]:>7} {n:>10} {coverage:>10.1%}")

never_labeled = [name for i, name in data["names"].items() if i not in instance_count]
print(f"{len(never_labeled)} classes in names with zero labels: {never_labeled[:4]} ...")

128 images, 2 background (2%, target 0-10%)
       class  images  instances  of target
      person      61        254       2.5%
         car      12         46       0.5%
         cup      10         36       0.4%
        bear       1          1       0.0%
      banana       1          1       0.0%
        skis       1          1       0.0%
9 classes in names with zero labels: ['fire hydrant', 'parking meter', 'sheep', 'cow'] ...

Come interpretarlo:

• La copertura è il valore minore tra la proporzione di immagini e quella di istanze, perché una classe ha bisogno di entrambe. Anche person, la classe con la copertura migliore, raggiunge solo il 2,5% del parametro di riferimento per la produzione.
• Le classi con una sola istanza (bear, banana, skis) non possono essere apprese né valutate. Nel tuo dataset, raccogli altre istanze oppure escludi le classi dalla v1.
• Le classi senza etichette sono elencate nel file YAML, ma non vengono mai disegnate. Il modello continua comunque a dedicare loro capacità predittiva. Rimuovile da names oppure raccoglile prima dell'addestramento.

Copri le dimensioni della variabilità#

Un singolo fotogramma include già persone vicine e lontane, biciclette, un cane e auto. Una specifica reale deve pianificare intenzionalmente questa varietà. Per ogni dimensione, indica se la specifica la copre oppure perché non è pertinente; le righe vuote rappresentano scenari che scoprirai solo in produzione:

La variabilità conta più del volume: 1.500 immagini distribuite tra queste righe valgono più di 5.000 immagini riprese da una sola telecamera a mezzogiorno.

Pianifica le immagini di sfondo e i casi limite#

Le immagini di sfondo sono fotogrammi senza oggetti etichettati, come una banchina vuota. Insegnano al modello che non c'è nulla e riducono i falsi positivi.

I casi limite includono occlusioni marcate, oggetti tagliati dal bordo del fotogramma, orientamenti insoliti, oggetti impilati e oggetti simili, come il montante di un carrello elevatore accanto a una colonna d'acciaio. Assegna a ciascuno una riga di quota dedicata.