Un ingeniero especializado en sistemas de visión para inspección estructural ha desarrollado una nueva herramienta para generar datos sintéticos con el fin de validar modelos de inteligencia artificial. El problema que aborda es la escasez de ejemplos de fallas raras y difíciles de detectar (como cerámica rota) para probar la precisión de los modelos antes de su implementación. El ingeniero, identificado como Jérôme, creó una canalización que utiliza siete muestras reales de defectos para generar proceduralmente 200 variaciones, simulando diferentes condiciones de iluminación y fondos. Estos datos sintéticos, etiquetados en formatos COCO/YOLO, se están liberando bajo licencia CC0 para ayudar a otros equipos a evaluar la capacidad de sus modelos para identificar casos extremos o poco frecuentes. La herramienta se destina específicamente para la validación y pruebas, no para el entrenamiento completo de los modelos, y busca solucionar la dificultad de validar la precisión de los modelos en situaciones donde la ocurrencia de una falla es extremadamente baja (ej., una de cada 10,000).
Noticias agregadas con IA