Recompilar imaxes
Para adestrar un modelo Detección de obxectos para recoñecer os teus obxectos, tes que reunir imaxes que conteñan eses obxectos. Cumpre as directrices de cantidade e calidade da imaxe para obter mellores resultados.
Formato e tamaño
As imaxes que alimentarás do teu modelo Detección de obxectos precisan destas características:
Formato:
- JPG
- PNG
- BMP
Tamaño:
- 6 MB máximo para adestramento
- ancho/alto mínimo de 256 píxeles x 256 píxeles
Cantidade de datos e balance de datos
É importante cargar suficientes imaxes para adestrar o teu modelo de IA. Un bo punto de partida é ter polo menos 15 imaxes por obxecto para o conxunto de adestramento. Con menos imaxes, hai un gran risco de que o teu modelo aprenda conceptos que son só ruídos ou non son relevantes. Adestrar o seu modelo con máis imaxes debería aumentar a precisión.
Outra consideración é asegurarse de que os seus datos estean equilibrados. Se tes 500 imaxes para un obxecto e só 50 imaxes para outro, o teu conxunto de datos de adestramento non está equilibrado. Isto pode facer que o modelo sexa mellor para recoñecer un dos obxectos. Para obter resultados máis consistentes, mantén polo menos unha proporción de 1:2 entre o obxecto con menos imaxes e o que ten máis imaxes. Por exemplo, se o obxecto con maior número de imaxes ten 500 imaxes, o obxecto con menos imaxes debería ter polo menos 250 imaxes para adestrar.
Utiliza imaxes máis diversas
Proporcione imaxes que sexan representativas do que se enviará ao modelo durante o uso normal. Por exemplo, digamos que estás adestrando un modelo para recoñecer as mazás. Se só adestras imaxes de mazás en placas, é posible que non recoñeza as mazás nas árbores de forma consistente. Incluír diferentes tipos de imaxes asegurarase de que o teu modelo non estea sesgado e poida xeneralizarse ben. A continuación móstranse algunhas formas de facer que o teu conxunto de adestramento sexa máis diverso.
Fondo
Usa imaxes dos teus obxectos diante de diferentes fondos, por exemplo, froitas nos pratos, nas mans e nas árbores. As fotos en contexto son mellores que as fotos diante de fondos neutros porque proporcionan máis información para o clasificador.
Iluminación
Use imaxes de adestramento que teñan unha iluminación diferente, especialmente se as imaxes utilizadas para a detección poden ter unha iluminación diferente. Por exemplo, inclúe imaxes tomadas con flash, exposición elevada, etc. Tamén é útil incluír imaxes con saturación, tonalidade e brillo variados. A cámara do teu dispositivo probablemente che permita controlar esta configuración.
Tamaño do obxecto
Proporciona imaxes nas que os obxectos sexan de tamaños variados, capturando diferentes partes do obxecto, por exemplo, unha foto de acios de plátanos e un primeiro plano dunha soa banana. O tamaño diferente axuda ao modelo a xeneralizar mellor.
Ángulo de cámara
Tenta proporcionar imaxes tomadas desde diferentes ángulos. Se todas as túas fotos son dun conxunto de cámaras fixas, como cámaras de vixilancia, asigna unha etiqueta diferente a cada cámara. Isto pode axudar a evitar o modelado de obxectos non relacionados, como farolas, como a característica fundamental. Asigne etiquetas ás cámaras aínda que as cámaras capturen os mesmos obxectos.
Resultados inesperados
Os modelos de IA poden aprender incorrectamente as características que teñen en común as túas imaxes. Digamos que queres crear un modelo para distinguir as mazás dos cítricos. Se usas imaxes de mazás nas mans e de cítricos en pratos brancos, o modelo pode adestrar para as mans contra os pratos brancos en lugar de mazás contra os cítricos.
Para corrixir isto, utiliza as indicacións anteriores sobre adestramento con imaxes máis variadas: proporciona imaxes con diferentes ángulos, fondos, tamaño de obxectos, grupos e outras variantes.