# Sextant

格物钛Sextant提供针对模型与数据的快速评估，支持从评估指标纬度对数据进行可视化查看与筛选，可用于质检数据，完成高质量数据准备，以及对模型精准度的评估和发起各类竞赛。

{% hint style="info" %}
Sextant目前只支持对Box2D类型数据进行评估，Metrics仅支持mAP，更多标注类型和Metrics正在开发中，敬请期待
{% endhint %}

## 对数据进行评估 <a href="#data" id="data"></a>

Sextant支持对比两个数据集之间的标注情况，帮助您洞察数据的差异，快速定位数据漏洞，筛选出指定数据后可无缝对接GroundTruth标注工具进行质检和重标注，即刻提升数据集质量，助力训练高质量AI。

评估流程：

1. 将需要评估的数据上传到TensorBay
2. 创建评估，将其中一份数据选定为基准数据
3. 使用另一份数据参与评估，获取评估指标
4. 根据指标对数据进行筛选，定位问题数据
5. 将筛选结果保存为新数据集，开始数据质检与提质

## 对模型进行评估 <a href="#model" id="model"></a>

Sextant支持对模型的精准度进行评估，帮助您快速了解模型表现，定位模型弱势场景，为模型能力提升提供参考；支持多模型评估结果横向对比，找到最适合应用场景的模型。

评估流程：

1. 将真值数据上传至TensorBay中
2. 创建评估，将真值数据选中为基准数据
3. 将用于评估的模型上传至Github，使用该模型参与评估
4. 查看指标结果和横向对比情况