-
-
Notifications
You must be signed in to change notification settings - Fork 1
New issue
Have a question about this project? # for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “#”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? # to your account
False positives report #1
Comments
Sprawdziłem ostatnie 4 changesety i jest dość dużo false-positive. Z tych 4 changesetów wychodzi mi 89% skuteczności (57 poprawnych, na 64 dodanych), najczęstszy false-positive to chyba cien drzew który przypomina troche przejście dla pieszych. False-positive: Sprawdzone changesety: |
@michalgwo Po prostu zbyt mało danych treningowych i zbieram takie false positive żeby wypuścić nową wersję AI. Nie jest tak prosto znaleźć trudne miejsca, co wyglądają jak przejście, na OSM. Najprościej jest pozwolić AI robić swoje, monitorować, i zobaczyć gdzie sobie nie daje rady. Po prostu czekam na większą ilość FP aby (miejmy nadzieję) raz a porządnie wypuścić aktualizację która poprawi jakość dla tych cięższych przypadków. |
Do tego momentu zgłoszenia FP zostały już pobrane. Nowa wersja: 1.4 |
Do tego momentu zgłoszenia FP zostały już pobrane. Nowa wersja: 1.4.1 |
Sprawdziłem wyrywkowo kilka starszych changesetów i znalazłem 2 false positive: |
Najnowsza wersja 1.6 posiada błąd klasyfikacji (AUC) mniejszy o 28%. Jest to głównie zasługa nowego zestawu 5000 zdjęć, który koncentruje się na trudniejszych, negatywnych przypadkach, takich jak tuje, znaki drogowe poziome, dachy, itp. Nowa wersja rzadziej popełnia błędy i importuje jeszcze większą ilość przejść. |
To chyba jakiś wzór z kostki: |
Były dachy, potem krzewy, teraz przejazdy kolejowe i kostka brukowa 😄 |
Jak skończę pracę nad aktualnym projektem (koniec przyszłego tygodnia), to zabiorę się za korygowanie błędów w AI. |
The text was updated successfully, but these errors were encountered: