Defina a especificação do conjunto de dados

Onde a especificação se encaixa#

A especificação faz a ponte entre o objetivo e a câmera. Ela orienta a coleta e é a página à qual você volta quando o primeiro modelo não atinge sua meta:

O ciclo volta à especificação, não às configurações de treinamento: uma meta não atingida geralmente indica que a especificação não cobriu algum cenário. O guia sobre as etapas de um projeto de CV descreve o mesmo ciclo de vida.

Escreva os cenários em linhas#

Um cenário é uma combinação de condições de captura que o modelo precisa lidar. Linhas com cotas tornam as lacunas visíveis antes de alguém pegar uma câmera:

Um cenário que você não consegue descrever por escrito é um cenário que o modelo não verá no treinamento e será justamente o que falhará em produção.

Dimensione a especificação de acordo com as metas de volume#

As dicas da Ultralytics para obter os melhores resultados de treinamento apresentam regras práticas para produção:

Esses são os patamares para um modelo de produção. Algumas centenas de objetos rotulados por classe bastam para começar a experimentar, e o primeiro modelo é a maneira mais rápida de descobrir quais cenários precisam de mais dados. Para saber o quanto um conjunto de dados está distante desse patamar, faça a contagem. Este script funciona com o COCO128, um recorte do COCO com 128 imagens que é baixado 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'] ...

Como interpretar o resultado:

• Cobertura é o menor valor entre a proporção de imagens e a proporção de instâncias, pois uma classe precisa de ambas. Mesmo person, a classe com melhor cobertura, atinge apenas 2.5% do patamar de produção.
• Classes com uma única instância (bear, banana, skis) não podem ser aprendidas nem avaliadas. No seu conjunto de dados, colete mais exemplos dessas classes ou remova-as da v1.
• As classes sem rótulos estão listadas no YAML, mas nunca são desenhadas. Ainda assim, o modelo dedica capacidade a prevê-las. Remova-as de names ou colete exemplos delas antes do treinamento.

Cubra as dimensões de variabilidade#

Um único quadro já reúne pessoas próximas e distantes, bicicletas, um cachorro e carros. Uma especificação real precisa planejar deliberadamente essa variedade. Para cada dimensão, registre se a especificação a cobre ou por que ela não se aplica; linhas vazias correspondem a cenários que você só descobrirá em produção:

A variedade importa mais do que o volume: 1.500 imagens distribuídas por estas linhas valem mais do que 5.000 de uma única câmera ao meio-dia.

Planeje imagens de fundo e casos extremos#

Imagens de fundo são quadros sem objetos rotulados, como uma doca vazia. Elas ensinam ao modelo que não há nada ali e reduzem os falsos positivos.

Casos extremos incluem oclusão intensa, objetos cortados pela borda do quadro, orientações incomuns, objetos empilhados e objetos parecidos, como um mastro de empilhadeira ao lado de uma coluna de aço. Reserve uma linha de cota para cada um.