Test Data
Khám phá vai trò quan trọng của dữ liệu kiểm thử trong machine learning. Tìm hiểu cách đánh giá hiệu năng của Ultralytics YOLO26 bằng các dataset không thiên lệch để đảm bảo độ chính xác trong thực tế.
Dữ liệu kiểm thử là một tập con cụ thể của một dataset lớn hơn, được dành riêng nghiêm ngặt cho việc đánh giá hiệu năng cuối cùng của một model học máy (ML). Không giống dữ liệu được sử dụng trong các giai đoạn học trước đó, dữ liệu kiểm thử hoàn toàn "chưa từng thấy" đối với thuật toán cho đến tận cuối chu kỳ phát triển. Sự cô lập này rất quan trọng vì cung cấp đánh giá không thiên lệch về khả năng khái quát hóa của model thị giác máy tính (CV) hoặc hệ thống AI khác đối với các đầu vào mới trong thế giới thực. Bằng cách mô phỏng môi trường production, dữ liệu kiểm thử giúp developer xác minh rằng model thực sự đã học các pattern nền tảng thay vì chỉ ghi nhớ các ví dụ training.
Vai trò của dữ liệu kiểm thử trong vòng đời ML#
Trong workflow học máy tiêu chuẩn, dữ liệu thường được chia thành ba danh mục riêng biệt, mỗi danh mục phục vụ một mục đích riêng. Việc hiểu sự khác biệt giữa các phần chia này là yếu tố thiết yếu để xây dựng các hệ thống trí tuệ nhân tạo (AI) mạnh mẽ.
- Dữ liệu training: Đây là phần lớn nhất của dataset, được sử dụng để dạy model. Thuật toán điều chỉnh lặp đi lặp lại các tham số nội bộ, hay còn gọi là weights, nhằm giảm thiểu lỗi trên tập ví dụ cụ thể này.
- Dữ liệu validation: Tập con này được sử dụng thường xuyên trong quá trình training để tinh chỉnh hyperparameter và định hướng các quyết định về kiến trúc. Nó đóng vai trò như một bước kiểm tra trung gian nhằm ngăn overfitting, trong đó model hoạt động tốt trên dữ liệu training nhưng không hiệu quả trên dữ liệu mới.
- Dữ liệu kiểm thử: Đây là "bài thi" cuối cùng dành cho model. Dữ liệu này không bao giờ được sử dụng để cập nhật weights hoặc tinh chỉnh các thiết lập. Việc đánh giá trên dữ liệu kiểm thử tạo ra các metric hiệu năng mang tính kết luận, chẳng hạn như độ chính xác, độ thu hồi và Độ chính xác trung bình (mAP), giúp các bên liên quan quyết định liệu model đã sẵn sàng cho triển khai model hay chưa.
Việc quản lý đúng cách các phần chia này thường được hỗ trợ bởi các công cụ như Ultralytics Platform, có thể tự động sắp xếp dataset đã upload vào các danh mục thiết yếu này để đảm bảo đánh giá model nghiêm ngặt.
Tầm quan trọng của việc đánh giá không thiên lệch#
Giá trị cốt lõi của dữ liệu kiểm thử nằm ở khả năng phát hiện độ thiên lệch của dataset và các vấn đề về phương sai. Nếu model đạt độ chính xác 99% trên dữ liệu training nhưng chỉ đạt 60% trên dữ liệu kiểm thử, điều đó cho thấy phương sai cao (overfitting). Ngược lại, hiệu năng kém trên cả hai tập dữ liệu cho thấy underfitting.
Việc sử dụng một tập kiểm thử được chỉ định tuân thủ các nguyên tắc khoa học về khả năng tái lập và tính khách quan. Nếu không có một tập kiểm thử nguyên sơ, developer có nguy cơ "học theo đề kiểm tra", thực chất là làm rò rỉ thông tin từ giai đoạn đánh giá trở lại giai đoạn training—một hiện tượng được gọi là rò rỉ dữ liệu. Điều này dẫn đến các ước tính hiệu năng quá lạc quan và nhanh chóng sụp đổ khi model phải đối mặt với dữ liệu thế giới thực.
Các ứng dụng trong thực tế#
Dữ liệu kiểm thử là yếu tố thiết yếu trong mọi ngành sử dụng AI nhằm đảm bảo an toàn và độ tin cậy trước khi các hệ thống được đưa vào vận hành.
- Xe tự hành: Trong quá trình phát triển phương tiện tự hành, dữ liệu training có thể bao gồm hàng triệu dặm di chuyển trên đường cao tốc trong điều kiện thời tiết quang đãng. Tuy nhiên, dữ liệu kiểm thử phải bao gồm các tình huống hiếm gặp và đầy thách thức—chẳng hạn như tuyết rơi dày, chướng ngại vật xuất hiện đột ngột hoặc biển báo giao thông khó phân biệt—mà xe chưa từng "nhìn thấy" rõ ràng trong quá trình training. Điều này đảm bảo hệ thống phát hiện đối tượng có thể phản ứng an toàn trong các môi trường không thể dự đoán.
- Chẩn đoán y tế: Khi xây dựng một model cho phát hiện khối u trong ảnh y tế, tập training có thể được lấy từ database của một bệnh viện cụ thể. Để xác minh model mạnh mẽ và an toàn khi sử dụng rộng rãi, dữ liệu kiểm thử lý tưởng nhất nên bao gồm các ảnh quét từ nhiều bệnh viện khác nhau, được chụp bằng các máy khác nhau và đại diện cho một nhóm bệnh nhân đa dạng. Việc validation bên ngoài này xác nhận rằng AI không bị thiên lệch về một loại thiết bị hoặc một nhóm dân số cụ thể.
Đánh giá hiệu năng bằng code#
Với package ultralytics, bạn có thể dễ dàng đánh giá hiệu năng của một model trên dataset được giữ lại. Mặc dù mode val thường được sử dụng để validation trong quá trình training, mode này cũng có thể được cấu hình để chạy trên một phần kiểm thử cụ thể được xác định trong cấu hình YAML của dataset.
Dưới đây là cách đánh giá một model YOLO26 được pre-train để thu thập các metric như mAP50-95:
from ultralytics import YOLO
# Load a pre-trained YOLO26 model
model = YOLO("yolo26n.pt")
# Evaluate the model's performance on the validation set
# (Note: In a strict testing workflow, you would point 'data'
# to a YAML that defines a specific 'test' split and use split='test')
metrics = model.val(data="coco8.yaml")
# Print a specific metric, e.g., mAP at 50-95% IoU
print(f"Mean Average Precision (mAP50-95): {metrics.box.map}")Quy trình này tạo ra các metric toàn diện, cho phép developer so sánh khách quan các kiến trúc khác nhau, chẳng hạn như YOLO26 so với YOLO11, đồng thời đảm bảo giải pháp được chọn đáp ứng các mục tiêu đã xác định của dự án. Kiểm thử nghiêm ngặt là bước kiểm soát cuối cùng để đảm bảo đáp ứng các tiêu chuẩn cao về an toàn AI.
