Lue englanniksi

Jaa


Kuvien kerääminen

Objektintunnistusmallin kouluttaminen tunnistamaan objekti edellyttää, että on kerättävä kuvia, joissa nämä objektit näkyvät. Noudata kuvien määrän ja laadun ohjeita parempien tulosten saamiseksi.

Muoto ja koko

Objektintunnistusmalliin syötettävien kuvien tulee olla seuraavien vaatimusten mukaisia:

  • Muoto:

    • JPG
    • PNG
    • BMP
  • Koko:

    • Enintään 6 Mt opetusta varten
    • vähimmäisleveys/-korkeus: 256 pikseliä x 256 pikseliä

Tietojen määrä ja tasapaino

On tärkeää ladata tarpeeksi kuvia tekoälymallin harjoittamiseen. Opetusjoukon alkupisteenä on hyvä olla vähintään 15 kuvaa objektia kohden. Jos kuvia on vähemmän, on suuri riski sille, että mallisi oppii epäolennaisia käsitteitä. Mallin harjoittaminen lisäkuvilla parantaa yleensä tarkkuutta.

Toinen huomioitava seikka on tietojen tasapainoisuus. Jos sinulla on 500 kuvaa yhdelle objektille ja vain 50 kuvaa toiselle, harjoitustietojoukko on epätasapainoinen. Tämän seurauksena malli saattaa tunnistaa toisen objektin toista paremmin. Saat yhtenäisempiä tuloksia, jos noudatat vähintään 1:2-suhdetta niiden objektien välillä, joilla on eniten ja vähiten kuvia. Jos eniten kuvia saavalla objektilla on esimerkiksi 500 kuvaa, objektilla, josta on vähiten kuvia, tulisi silti olla vähintään 250 kuvaa harjoittamista varten.

Käytä monipuolisempia kuvia

Anna kuvia, jotka kuvaavat hyvin sitä, mitä malliin lähetetään normaalissa käytössä. Oletetaan esimerkiksi, että olet harjoittamassa mallia tunnistamaan omenoita. Jos käytät harjoittamiseen vain kuvia lautasella olevista omenoista, malli ei ehkä tunnista aina puissa olevia omenoita. Kun käytät monipuolisia kuvia, malliisi ei kehity puolueellisuuksia ja se kykenee yleistämään hyvin. Alla on joitain vinkkejä siihen, miten voit tehdä opetusjoukosta monipuolisemman.

Tausta

Voit käyttää objektien kuvia eri taustojen edessä – esimerkiksi hedelmiä lautasella, kädessä ja puissa. Kontekstia sisältävät kuvat ovat parempia kuin neutraalien taustojen edessä otetut kuvat, koska ne tarjoavat enemmän tietoa luokittelua varten.

Kuvien taustat

Valaistus

Käytä harjoituskuvia, joiden valaistus vaihtelee, etenkin silloin, jos tunnistamisessa käytettyjen kuvien valaistus vaihtelee. Esimerkiksi voit sisällyttää muun muassa salamavalon kanssa otetut kuvat ja valottuneet kuvat. Kannattaa myös antaa kuvia, joiden värikylläisyys, värisävyt ja kirkkaus vaihtelevat. Nämä ovat kaikki asetuksia, joita voit todennäköisesti muokata laitteen kameralla.

Kuvan valaistus.

Objektin koko

Anna kuvia, joissa objektit ovat eri kokoisia ja joissa näkyy objektin eri osat, esimerkiksi banaaninippu ja lähikuva yksittäisestä banaanista. Eri koot auttavat mallia yleistämään paremmin.

Objektin koot.

Kuvakulma

Yritä antaa kuvia, jotka on otettu eri kuvakulmista. Jos kaikki kuvasi on otettu kiinteillä kameroilla, kuten valvontakameroilla, määritä joka kameralle eri selite. Näin vältät mallintamasta epäolennaisia objekteja, kuten katulamppuja, tärkeiksi ominaisuuksiksi. Määritä kameroille selitteet, vaikka ne kuvaisivat samoja objekteja.

Kuvakulmat.

Odottamattomat tulokset

Joskus tekoälymalli oppii vahingossa vääriä ominaisuuksia, jotka ovat yhteisiä kuvillesi. Oletetaan, että haluat luoda mallin, joka erottaa omenat sitrushedelmistä. Jos haluat käyttää kuvia omenoista kädessä ja sitrushedelmistä valkoisella lautasella, malli voi oppia erottamaan kädet ja lautaset toisistaan omenoiden ja sitrushedelmien sijaan.

Odottamattomat tulokset.

Voit korjata tämän noudattamalla yllä olevia ohjeita ja antamalla harjoittamiseen monipuolisempia kuvia sekä kuvia, joiden kuvakulmat, taustat, objektien koot ja ryhmittelyt sekä muut ominaisuudet eroavat.

Objektintunnistuksen alkeet