Команда SberDevices поделилась опытом проверки качества разметки в задачах компьютерного зрения 👀

Разметчики данных иногда ошибаются 😥. И даже небольшая погрешность может критично повлиять на итоговый результат разметки. На Habr мы рассказали об основных ошибках при разметке данных в компьютерном зрении и наших ключевых методах агрегации:

💡 Hard Aggregation, который позволяет добиться максимально качественной разметки с помощью её проверки на консистентность c последующим усреднением;
💡 Soft Aggregation, который приводит не консистентную разметку к консистентной, проверяет её на консистентность с помощью Hard aggregation и усредняет.

Оба метода рассмотрели на конкретных примерах, а ещё поделились планами по развитию. Методы будут обернуты в фреймворк, который можно будет легко установить как python-библиотеку и агрегировать размеченные данные с минимальными затратами временных ресурсов.

Узнать о нашем опыте больше можно в блоге SberDevices на Habr.