Ánh sáng khác nhau làm bộ phân loại ảnh sai thế nào?

Bắt đầu bằng một câu hỏi hẹp: Chuyển ý tưởng thành một câu hỏi có thể trả lời trong thời gian và nguồn lực của bạn.

• Ví dụ: Cùng một đồ vật có còn được nhận ra khi đổi ánh sáng, nền và khoảng cách không?.

Thu thập hoặc xây dựng cẩn thận: Chụp các điều kiện có kiểm soát, đo lỗi và liên hệ lỗi với những ví dụ trong bộ dữ liệu.

So sánh và suy nghĩ: Đặt các kết quả cạnh nhau, tìm cách giải thích khác và phân biệt bằng chứng với giả định.

• Ghi lại cả điều dữ liệu chưa thể khẳng định.

Tạo sản phẩm có ích: Chọn hình thức phù hợp, giải thích quá trình và nêu điều bạn sẽ thử ở phiên bản tiếp theo.

Chụp các điều kiện có kiểm soát, đo lỗi và liên hệ lỗi với những ví dụ trong bộ dữ liệu. Qua đó, bạn học cách nhận ra mẫu hình, đánh đổi, tiếng nói còn thiếu hoặc giới hạn của một cách đo. Câu hỏi trở nên thú vị vì câu trả lời tốt không chỉ là một con số, mà còn cần biết con số đó được tạo ra như thế nào.

• Báo cáo kiểm tra mô hình.
• Thư viện lỗi trực quan.
• Bảng kết quả theo điều kiện.

Phù hợp nhất với: Phù hợp với học sinh thích AI, thí nghiệm và dữ liệu hình ảnh; sản phẩm giúp người xem hiểu một mô hình không tự nhiên đáng tin trong mọi hoàn cảnh.

Người có thể hưởng lợi: Bạn học, gia đình, câu lạc bộ trường hoặc cộng đồng địa phương có thể xem, thử hoặc góp ý cho sản phẩm.