ARTICLE_ID: EHUB-CV-GUIDE-001 | Version: V1.0 | Status: PUBLISHED SAMPLE
Nhiều dự án computer vision thất bại không phải vì model yếu mà vì dataset thiếu nhất quán. Dataset cần được kiểm tra trước khi GPU bắt đầu training.
1. Khóa danh sách class
Tên class và class ID phải ổn định trước khi annotate hàng loạt.
2. Kiểm tra label
Chọn mẫu ngẫu nhiên ở từng class; tìm box lệch, thiếu object, class sai và ảnh không nhãn.
3. Tách train/validation hợp lý
Tránh để các frame gần nhau từ cùng một video rơi vào cả train và validation gây leakage.
4. Kiểm tra độ đa dạng
Ánh sáng, góc chụp, khoảng cách, nền và kích thước object cần phản ánh điều kiện thật.
5. Kiểm tra YAML
Đường dẫn train/val và bảng names phải khớp dataset thực tế.
6. Chạy dataset nhỏ trước
Dùng subset nhỏ để xác minh pipeline trước khi training dài.
Checklist nhanh
- ☐ Class list đã khóa
- ☐ Label sample PASS
- ☐ Không leakage rõ ràng
- ☐ YAML đúng
- ☐ Có validation split
- ☐ Đã smoke-test dataset nhỏ
Nguồn tham khảo
Cập nhật: 19/11/2026. Nội dung được biên tập theo EHUB EDITORIAL & DESIGN V1.1.




