Étiquetage

Comme le logiciel ViDi est basé sur le training, les informations fournies au réseau à partir des images sont extrêmement importantes. Dans le langage ViDi, ce processus est appelé « étiquetage ». L’étiquetage est le processus par lequel un utilisateur identifie des caractéristiques ou des défauts, et les représente graphiquement sur l’image. Pour les outils, le label est « la réalité du terrain ». C’est l’élément de base du training des outils et de la validation de leurs performances.

En d’autres termes, appliquer un label revient à dire à l’outil « voilà ce que tu dois apprendre ». La partie la plus importante de la configuration des outils est de s’assurer que les images utilisées pour le training sont étiquetées intégralement et avec justesse. Si vous ne connaissez pas la réalité du terrain dans le cadre de certaines, vous ne pouvez pas dire si l’outil fonctionne correctement ou non. Aussi, l’outil ne peut être entraîné correctement sans un étiquetage juste.

L’étiquetage est la partie la plus importante de développement d’une application de Deep Learning. Rappelez-vous de ceci :

Lorsque vous évaluez la performance de vos outils et de votre application, la performance est toujours mesurée par rapport à l’étiquetage que vous proposez. Si votre étiquetage ne reflète pas la réalité du terrain, les performances de l’outil n’auront aucun sens.
Lorsque vous effectuez le training des outils ViDi, le but du training (la fonction de coût) est d’obtenir de l’outil une réponse qui correspond précisément à l’étiquetage préalablement fourni.