एक विज़न पायलट अक्सर उससे बहुत पहले फेल हो जाता है जब कोई मॉडल को देखता भी है। वह उस कैमरे पर फेल होता है जो तीन मीटर ज़्यादा ऊँचा लगा है, उस शॉप फ्लोर पर जहाँ 4 बजे रोशनी बदल जाती है, और उन लेबल्स पर जिन्हें तीन लोगों ने तीन अलग तरह से समझा।
पायलट ऐसी परिस्थितियों में चला जो प्रोडक्शन में कभी नहीं आएँगी
पायलट को अच्छा कैमरा मिलता है, साफ़ कोना मिलता है और सहयोग करने वाली शिफ्ट मिलती है। प्रोडक्शन को धूल भरा लेंस मिलता है, बैकलिट दरवाज़ा मिलता है और नाइट शिफ्ट मिलती है। अगर आपका पायलट फुटेज दो साफ़ दोपहरों में जमा हुआ है, तो आपने सिर्फ़ आसान केस नापा है।
कमिट करने से पहले पूरी रेंज का डेटा जमा करें: अलग-अलग शिफ्ट, मौसम, सीज़न और वे दिन जब चीज़ें बिगड़ती हैं। जो मॉडल आपके सबसे खराब घंटे में टिकता है, वह उससे ज़्यादा कीमती है जो आपके सबसे अच्छे घंटे में शानदार चलता है।
असली काम कैमरा प्लेसमेंट कर रहा है
एंगल, ऊँचाई, दूरी और लेंस का चुनाव तय करते हैं कि दिखेगा क्या। जो डिटेल कैप्चर ही नहीं हुई, उसे कितनी भी ट्रेनिंग वापस नहीं ला सकती। GPU खरीदने से पहले साइट पर घूमें और देखें कि जो चीज़ आप डिटेक्ट करवाना चाहते हैं, वह फ्रेम में सचमुच पहचानी जा सकती है या नहीं।
- क्या उस कैमरे की एक ही स्टिल तस्वीर देखकर कोई इंसान टारगेट पहचान सकता है?
- क्या टारगेट दिन की सबसे खराब रोशनी में दिखता है, सिर्फ़ सबसे अच्छी में नहीं?
- क्या कोई चीज़ रोज़ व्यू रोकती है — कोई पैलेट, गाड़ी या खुला दरवाज़ा?
- क्या कैमरा अपनी जगह पर टिका रहता है, या वॉश-डाउन के बाद हिल जाता है?
मॉडल से ज़्यादा असहमति लेबल्स में होती है
तीन लोगों से वही सौ फ्रेम लेबल करवाइए और मिलाइए। जहाँ वे असहमत हैं, ठीक वहीं आपका मॉडल भरोसेमंद नहीं रहेगा, और अस्पष्ट परिभाषा को कोई आर्किटेक्चर बदलाव ठीक नहीं करता। परिभाषा लिखकर रखें, एक सैंपल पर टेस्ट करें, फिर लेबलिंग शुरू करें।
किसी ने तय ही नहीं किया कि सफलता क्या है
"क्वालिटी सुधारना" कोई टारगेट नहीं है। "लाइन 3 पर 2mm से बड़े सरफेस डिफेक्ट पकड़ना, प्रति शिफ्ट पाँच से कम फॉल्स अलार्म के साथ" — यह टारगेट है। दूसरे को टेस्ट किया जा सकता है; पहले पर पायलट के आखिर में बहस होगी।
अगर कोई पायलट एक वाक्य में यह नहीं बता सकता कि वह कौन-सा नंबर हिलाने की कोशिश कर रहा है और कितना फॉल्स-अलार्म रेट स्वीकार्य है, तो वह पायलट नहीं है। वह एक डेमो है।
अगले दिन की कोई योजना नहीं थी
प्रोडक्शन का मतलब है कि रीट्रेनिंग किसी की ज़िम्मेदारी है, अलर्ट किसी के पास जाते हैं, और मॉडल गलत होने पर कुछ होता है। अगर "रविवार रात को इसे कौन देखेगा" का जवाब कोई नहीं है, तो डिप्लॉयमेंट चुपचाप इस्तेमाल होना बंद हो जाएगा।
पहले चलाने लायक एक चेकलिस्ट
- एक वाक्य जो मेट्रिक और स्वीकार्य फॉल्स-अलार्म रेट बताए
- फुटेज जो सबसे खराब परिस्थितियाँ कवर करे, सबसे अच्छी नहीं
- लिखी हुई लेबल परिभाषा, जिसे दो लोग एक ही तरह लगाएँ
- अलर्ट के लिए नामित ज़िम्मेदार, और अलर्ट आने पर तय एक्शन
- एक तय डिसीज़न पॉइंट, जहाँ टारगेट न मिलने पर पायलट रोक दिया जाए
इसमें कुछ भी चमकदार नहीं है, और नतीजा यही सब तय करता है। मॉडल चुनना समस्या का आखिरी दस प्रतिशत है, पहला नहीं।