Labellisation et retours
Les labels permettent aux opérateurs d’indiquer à Gaard si une classification était correcte. Ce guide montre comment attacher des labels de retour depuis l’application web et l’API, et comment ces labels alimentent la qualité du modèle.
Pourquoi les retours comptent
Section intitulée « Pourquoi les retours comptent »Chaque classification porte un niveau de risque déduit par le modèle, mais seul un humain connaît la vérité terrain. Un label de retour enregistre cette vérité terrain sur un résultat précis : cette alarme était-elle réelle, ou s’agissait-il d’une branche agitée par le vent ?
Les résultats labellisés apportent trois choses :
- Une précision mesurée. Les vrais et faux positifs confirmés permettent de quantifier les performances du modèle sur vos caméras et vos scènes, et non sur un jeu de test générique.
- Un signal de réglage. Les faux positifs systématiques sur une caméra sont la matière première des ajustements de seuils et des zones d’exclusion : on ne peut corriger que ce que l’on a mesuré.
- Des données d’entraînement. Les clips labellisés sont les exemples les plus précieux pour améliorer le modèle dans la durée. Les retours bouclent la boucle entre les opérateurs et le classifieur.
La labellisation est rapide et cumulative : labellisez les résultats dont vous êtes sûr, et laissez les autres. Même une habitude de labellisation modeste mais régulière affine la vision de la précision pour votre tenant.
Labels de retour
Section intitulée « Labels de retour »Les quatre labels de retour standard décrivent la relation entre ce que Gaard a signalé et ce qui s’est réellement passé :
| Label | Signification | À utiliser quand |
|---|---|---|
TP | Vrai positif | Gaard a correctement identifié une menace réelle. |
FP | Faux positif | Gaard a signalé la vidéo alors qu’il n’y avait pas de menace réelle. |
FN | Faux négatif | Gaard a manqué une menace réelle. |
TN | Vrai négatif | Gaard a correctement classé la vidéo comme sûre. |
Si vous n’avez pas besoin du vocabulaire complet de la matrice de confusion, les labels plus simples true et false sont également acceptés.
À côté des labels de retour, Gaard fournit un ensemble de labels standard descriptifs (des catégories comme person, vehicle, animal et plant, ainsi que des facteurs environnementaux comme rain et wind) qui permettent de consigner ce que contenait le clip plutôt que seulement l’exactitude de l’alarme. Consultez la référence des labels pour la liste complète renvoyée par l’API.
Labels personnalisés
Section intitulée « Labels personnalisés »Les labels standard couvrent rarement toutes les distinctions opérationnelles qui comptent pour une équipe : un portail précis, un véhicule connu, une nuisance récurrente. Les labels personnalisés sont des labels en texte libre que vous définissez pour votre propre suivi.
- Créez un label personnalisé à la volée la première fois que vous en avez besoin : saisissez une nouvelle valeur dans le sélecteur de labels et ajoutez-la.
- Les labels personnalisés sont limités à votre tenant. Une fois créé, un label personnalisé est mémorisé et proposé en suggestion la prochaine fois que vous labellisez un résultat.
- Toute valeur de chaîne est acceptée et stockée. Les labels personnalisés apparaissent aussi dans la liste renvoyée par l’API, ils sont donc disponibles pour les intégrations comme pour l’application web.
Labelliser depuis l’application web
Section intitulée « Labelliser depuis l’application web »Vous labellisez les résultats pendant que vous les examinez : le retour fait ainsi naturellement partie du flux de revue plutôt que d’être une corvée séparée.
-
Ouvrez une classification dans l’espace de revue et sélectionnez le clip que vous voulez labelliser.
-
Ouvrez l’onglet Score. Le sélecteur de labels et le champ de commentaire se trouvent à côté des scores du clip, ce qui vous permet de voir la confiance du modèle pendant votre décision.
-
Sélectionnez un ou plusieurs labels. Choisissez parmi les labels standard ou commencez à saisir pour créer et appliquer un label personnalisé. Les sélections sont enregistrées au fur et à mesure.
-
Ajoutez un commentaire (facultatif). Utilisez le champ de commentaire pour expliquer le label (par exemple, « Fausse alarme) branche agitée par le vent ». Les commentaires sont stockés avec le label et sont visibles par les coéquipiers qui examinent le même résultat.
Pour parcourir et gérer tout ce que votre équipe a labellisé, ouvrez la vue Labels. Elle liste les résultats labellisés avec des filtres, et c’est également là que vous exportez les labels en CSV ou constituez un jeu de données : voir Exporter des données.
Labelliser depuis l’API
Section intitulée « Labelliser depuis l’API »Les intégrations peuvent labelliser les résultats par programmation, ce qui est utile lorsqu’une plateforme d’alarme amont ou un outil opérateur connaît déjà le résultat.
Attachez un ou plusieurs labels et un commentaire facultatif à une classification existante à l’aide de son classify_id :
curl -X POST https://vision.gaard.ai/api/label/66436fc66d24ab9cf81140eb \ -H "Authorization: Bearer $API_KEY" \ -H "Content-Type: application/json" \ -d '{"labels": ["FP"], "comment": "False alarm - wind moving a branch"}'Pour découvrir quels labels sont disponibles pour votre tenant (standard et personnalisés) listez-les avec OPTIONS /api/label.
Pour le schéma complet des requêtes et des réponses, y compris les types de champs et les valeurs de labels recommandées, consultez la référence des labels.