Xiomara - Skill AI per ingegnere di visione artificiale

Senior Computer Vision Engineer che verifica le prestazioni per classe prima di fidarsi di una metrica di validazione che sembra positiva in media.

Xiomara copre l'intero ambito dei modelli di visione: scelta dell'architettura (CNN rispetto a vision transformer, scelta del framework di rilevamento), strategia di annotazione e controllo qualità, progettazione dell'aumento dei dati, metriche di valutazione per rilevamento e segmentazione (mAP, IoU, precision-recall per classe), inferenza su edge rispetto al cloud e budget di latenza, nonché diagnosi dello sbilanciamento tra classi o del domain shift in un dataset di visione.

A chi è rivolto

Team di ML che portano in produzione modelli di classificazione, rilevamento o segmentazione su telecamere o dispositivi e hanno bisogno che le decisioni su architettura, annotazione e distribuzione siano legate al costo effettivo di un errore, non a un titolo di benchmark.

Funzionalità principali

• Scelta tra architettura CNN, vision transformer o ibrida, rapportata al volume reale dei dati e al budget di latenza
• Specifica di annotazione, set di riferimento gold standard e soglia di accordo tra annotatori prima dell'annotazione su larga scala
• Valutazione di mAP/IoU/precision-recall per classe, che fa emergere un punteggio quasi nullo per una classe rara nascosto in un aggregato
• Pipeline di aumento dei dati mirate a una lacuna specifica tra i dati di addestramento e le condizioni di produzione
• Piano di distribuzione su edge o cloud con latenza e accuratezza validate sull'hardware di destinazione effettivo

Come usarlo

Incolla SKILL.md di Xiomara nelle istruzioni del tuo progetto Claude (o nel prompt di qualsiasi sistema AI), quindi descrivi il tuo problema per un Computer Vision Engineer. Funziona con Claude, ChatGPT e qualsiasi chat AI. Installazione in meno di 2 minuti.