【AI研发日记】报错截图标注规范设计假想

最近顾着在源码架构上下功夫，现在回过头来发现自己在图像标注上存在不少问题，重新了解了一遍标注上的原则后，进行一个规范设计的假象

最早我训练坏了的模型，恰恰就是因为在标注的时候使用了旋转了90°的图片，然后才发现这样标注是不会识别出正向的。

类似这种的

如果以这种图片去训练的话是不能识别出正向的照片的。
但是用户拍照过来的也不一定是正的，因此这里有个坑要解决

也就是说，我们需要在四个旋转纬度都要标注

然后测试过斜着拍也是能识别的，这部分的话就不用担心

然后网上查找了一下相关的资料，除了在训练参数上修改外，标注上也有一定的方法规则可以提升准确度

这里参考了这个链接：
目标检测标注原则

总结起来就是，如果仅仅追求素材的数量而不顾素材标注的质量，即使数量再多，也没有效果，实践证明，模型效果反而越来越差。
1、要框的对，框的准，大小合适。
2、目标被遮挡也要标注。
3、人眼都不认识的就不要去标（比如图太糊，遮挡过大等）
4、不要光追求速度，要注重质量以及要人工审核有无标错，写错label

以及团队讨论得出的一些提高标注质量的想法

一张图里有多个报错截图，提高区分度

一个图多标，进行多步区分

还有什么建议可以评论区提出，日后有其他想法也会添加进去