-
-
Notifications
You must be signed in to change notification settings - Fork 1
New issue
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in 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: