본문으로 건너뛰기
경계 사진마다 pass/fail을 강요하면 비전 모델은 허세를 배운다
← 전체 분석

섹터 · AI · 2026년 10월 22일 · 브리프

경계 사진마다 pass/fail을 강요하면 비전 모델은 허세를 배운다

어떤 결함은 합격 절벽 위에 있다. 명시적 uncertain 라벨, 지정 판정자, 하드케이스 홀드아웃이 그 절벽이 학습 세트의 무작위 노이즈가 되지 않게 한다.

검사원 두 명은 스크래치가 애매하다는 데 동의하면서도 리젝트에서는 갈릴 수 있다. 흔한 처방은 라벨 벤더가 티켓을 닫도록 한쪽을 고르는 것이다. 그 닫힌 티켓은 자신만만한 학습 예가 된다. 경계 프레임 수백 장을 곱하면 네트워크는 ground truth로 위장한 동전 던지기를 배운다.

주석자 간 합의는 가이드가 안정한지 측정한다. 라벨 노이즈 브리프는 오염 태그와 이지케이스 편향을, SOP 드리프트 노트는 데이터셋이 멈춘 채 움직인 정의를, few-shot 희귀 결함 페이지는 희소성을 소유한다. 이 글은 그것들이 전제하는 워크플로 공백이다: 판정이 있는 uncertain 클래스, 그래서 하드케이스가 거짓 확신으로 강제되지 않는다.

uncertain 옵션으로 경계 이미지를 검토하는 품질 데스크

대량 라벨링 전에 스키마에 uncertain을 넣어라. 각 결함 가족을 문서화된 합격 조항—크기, 위치, 제품 등급—에 묶고 accept·reject·defer 골든 예를 보여라. uncertain 항목은 지정 QA 담당에게 보내고, 야간 라벨러가 정책을 창작하지 못하게 하라. SKU·카메라 각도·조명별 uncertain 비율을 추적하라. 급증은 대개 모델 구조가 아니라 조명·SOP 문제다. 판정된 경계로 된 고정 하드케이스 패널을 평가용으로 두라. 승격 지표가 이를 무시하면 생산이 이스케이프와 오스크랩으로 다시 발견한다.

택소노미가 개정되면 어떤 과거 uncertain·뒤집힌 라벨을 재라벨할지 정하라. 새 조항 아래 옛 하드셋을 조용히 재사용하는 것은 “지난 분기에 합의를 쟀다”를 허구로 만든다.

라벨링 UI에서 Uncertain이 선택된 경계 스크래치 부품

라벨 도구에서 “모르겠다”를 금하는 공장은 라인에서 그걸 다시 듣는다—다만 더 늦게, 더 비싸게.

공유

LinkedIn

같은 섹터의 다른 분석

AI →