اقرأ باللغة الإنجليزية

مشاركة عبر


جمع الصور

لتدريب نموذج اكتشاف الكائنات من أجل التعرف على الكائنات، يجب عليك جمع الصور التي تحتوي على هذه الكائنات. الالتزام بالإرشادات الخاصة بكمية الصورة وجودتها من أجل الحصول على نتائج أفضل.

التنسيق والحجم

تحتاج الصور التي تدخلها في نموذج اكتشاف الكائنات إلى هذه الخصائص:

  • التنسيق:

    • JPG
    • PNG
    • BMP
  • الحجم:

    • 6 ميغابايت بحدٍ أقصى للتدريب
    • الحد الأدنى للعرض / الارتفاع 256 بكسل × 256 بكسل

كمية البيانات وموازنة البيانات

من المهم تحميل صور كافية لتدريب نموذج الذكاء الاصطناعي. يجب أن يكون لديك في البداية 15 صورة على الأقل لكل كائن في مجموعة التدريب. إذا كان عدد الصور أقل، فهناك خطر قوي بأن يتعلم النموذج مفاهيم ليست سوى ضوضاء أو ليست ذات صلة. من شأن تدريب النموذج الخاص بك من خلال المزيد من الصور أن يؤدي إلى زيادة دقته.

يجب أيضًا أن تتأكد من توازن البيانات. إذا كان لديك 500 صورة لكائن واحد و50 صورة فقط لكائن آخر، فهذا يعني أن مجموعة بياناتك غير متوازنة. ونتيجة لذلك، سيكون النموذج أفضل في التعرف على أحد هذه الكائنات. للحصول على نتائج أكثر اتساقًا، حافظ على نسبة 1:2 على الأقل بين الكائن الذي به أقل صور في مقابل الكائن الذي به معظم الصور. على سبيل المثال، إذا كان الكائن الذي يحتوي على أكبر عدد من الصور يحتوي على 500 صورة، فيجب أن يحتوي الكائن الذي يحتوي على أقل عدد من الصور على 250 صورة على الأقل للتدريب.

استخدام صور أكثر تنوعًا

قدم صورًا تمثل ما سيتم إرساله إلى النموذج أثناء الاستخدام المعتاد. على سبيل المثال، أنت تعمل على تدريب نموذج للتعرف على التفاح. إذا كنت فقط تدرب النموذج للتعرف على صور التفاح على الأطباق، فقد لا يتعرف باستمرار على التفاح على الأشجار. سيؤدي تضمين أنواع مختلفة من الصور إلى التأكد من أن نموذجك غير متحيز ويمكنه التعميم بشكل جيد. فيما يلي بعض الطرق التي يمكنك من خلالها جعل التدريب أكثر تنوعًا.

خلفية

استخدم صورًا لكائناتك أمام خلفيات مختلفة - على سبيل المثال، الفاكهة على الأطباق وفي اليدين وعلى الأشجار. تُعد الصور الموجودة في سياق أفضل من الصور الموجودة أمام خلفيات محايدة لأنها توفر مزيدًا من المعلومات للمصنف.

خلفيات الصور.

الإضاءة

استخدم صور التدريب ذات إضاءة مختلفة، خاصةً إذا كانت الصور المستخدمة للكشف قد تحتوي على إضاءة مختلفة. على سبيل المثال، يمكنك تضمين صور تم التقاطها بواسطة الفلاش والتعريض الضوئي العالي وغير ذلك. من المفيد أيضًا تضمين صور متنوعة من حيث ذات التشبع وتدرج الألوان والسطوع. تسمح لك كاميرا الجهاز على الأرجح بالتحكم في هذه الإعدادات.

إضاءة الصور.

حجم الكائن

قدم صورًا تكون فيها الكائنات بأحجام مختلفة، مع التقاط أجزاء مختلفة من الكائن - على سبيل المثال، صورة عناقيد من الموز ولقطة مقرّبة لموزة واحدة. من شأن الأحجام المختلفة أن تساعد النموذج على التعميم بشكل أفضل.

أحجام الكائنات.

زاوية الكاميرا

حاول توفير صور ملتقطة من زوايا مختلفة. إذا كانت جميع صورك من مجموعة من الكاميرات الثابتة مثل كاميرات مراقبة، فيمكنك تعيين تسمية مختلفة لكل كاميرا. يمكن أن يساعد ذلك في تجنب نمذجة الكائنات التي ليست ذات الصلة مثل أعمدة الإنارة كميزة أساسية. قم بتعيين تسميات الكاميرات حتى لو التقطت الكاميرات نفس الكائنات.

زوايا الكاميرا.

النتائج غير المتوقعة

يمكن لنماذج الذكاء الاصطناعي أن تتعلم بشكل غير صحيح الخصائص التي تشترك فيها صورك. لنفترض أنك ترغب في إنشاء نموذج لتمييز التفاح عن الحمضيات. إذا كنت تستخدم صورًا للتفاح في الأيدي وللحمضيات على أطباق بيضاء، فقد يتدرب النموذج على اليدين مقابل الأطباق البيضاء بدلاً من التفاح مقابل الحمضيات.

النتائج غير المتوقعة.

لتصحيح هذا الأمر، استخدم الإرشادات أعلاه حول التدريب باستخدام صور أكثر تنوعًا: قدم صورًا بزوايا وخلفيات وأحجام مختلفة ومجموعات ومتغيرات أخرى.

(راجع أيضًا)

الشروع في العمل مع اكتشاف الكائنات