Annotazione di dataset di immagini per modello di visione artificiale

Stiamo addestrando un modello di visione artificiale e richiediamo un set di addestramento pulito, attentamente annotato, basato sul nostro archivio di immagini sorgente. Volume — diverse migliaia di fotografie che devono essere contrassegnate con riquadri rettangolari e maschere poligonali, e per ogni oggetto assegnare un'etichetta di classe secondo una tassonomia predefinita. Forniremo istruzioni di annotazione scritte con esempi, casi limite e regole per oggetti sovrapposti, ritagliati e sovrapposti, e ci aspettiamo che il contraente le segua precisamente, senza improvvisare. L'uniformità dell'intero set è per noi più importante della velocità di un singolo lotto.

Il risultato deve essere consegnato in un formato di annotazione standard in modo che si integri nella nostra pipeline di addestramento senza rifacimenti: un file per immagine, coordinate corrette, identificatori di classe stabili, nessun record vuoto o orfano. Prima vogliamo un piccolo lotto pilota, circa cento immagini, per verificare la tassonomia, concordare sui casi controversi e correggere le istruzioni prima di iniziare il volume principale. Dopo di che accetteremo il resto in consegne settimanali. Si prega di preservare la struttura delle cartelle e la denominazione dei file esattamente come specificato: qualsiasi rinominazione manuale interrompe il nostro import automatico.

Il controllo qualità è parte del lavoro, non un bel valore aggiunto. Ci aspettiamo una revisione di un campione da ogni lotto, un breve rapporto su etichette controverse e correzioni tempestive ai nostri commenti. La riservatezza è obbligatoria: le immagini rimangono nello storage concordato e non vengono utilizzate altrove.

— Riquadri e maschere poligonali, tassonomia unificata
— Consegna in formato di annotazione standard, un file per immagine
— Lotto pilota, poi consegne settimanali con rapporto di controllo qualità