प्रशिक्षण
Certification
Microsoft Certified: Azure AI Fundamentals - Certifications
Demonstrate fundamental AI concepts related to the development of software and services of Microsoft Azure to create AI solutions.
यह ब्राउज़र अब समर्थित नहीं है.
नवीनतम सुविधाओं, सुरक्षा अपडेट और तकनीकी सहायता का लाभ लेने के लिए Microsoft Edge में अपग्रेड करें.
अपने ऑब्जेक्ट्स को पहचानने के लिए ऑब्जेक्ट डिटेक्शन मॉडल को प्रशिक्षित करने के लिए, आपको उन ऑब्जेक्ट्स वाली छवियां एकत्रित करनी होंगी। बेहतर परिणामों के लिए छवि मात्रा और गुणवत्ता के दिशानिर्देशों का पालन करें।
आपके ऑब्जेक्ट डिटेक्शन मॉडल को जो चित्र खिलाए जाएंगे, उनमें ये विशेषताएं होनी चाहिए:
प्रारूप:
आकार:
अपने AI मॉडल को प्रशिक्षित करने के लिए पर्याप्त छवियां अपलोड करना महत्वपूर्ण है। एक अच्छा प्रारंभिक बिंदु यह है कि प्रशिक्षण सेट के लिए प्रति ऑब्जेक्ट कम से कम 15 छवियां हों। कम चित्रों के साथ, इस बात का प्रबल जोखिम रहता है कि आपका मॉडल ऐसी अवधारणाएं सीख लेगा जो या तो शोर हैं या फिर अप्रासंगिक हैं। अपने मॉडल को अधिक छवियों के साथ प्रशिक्षित करने से सटीकता बढ़ जाएगी।
एक अन्य बात यह सुनिश्चित करना है कि आपका डेटा संतुलित हो। यदि आपके पास एक वस्तु के लिए 500 छवियां हैं और दूसरी के लिए केवल 50 छवियां हैं, तो आपका प्रशिक्षण डेटासेट संतुलित नहीं है। इससे मॉडल किसी एक वस्तु को बेहतर ढंग से पहचान सकेगा। अधिक सुसंगत परिणामों के लिए, सबसे कम छवियों वाली वस्तु और सबसे अधिक छवियों वाली वस्तु के बीच कम से कम 1:2 का अनुपात बनाए रखें। उदाहरण के लिए, यदि सबसे अधिक छवियों वाली वस्तु में 500 छवियां हैं, तो सबसे कम छवियों वाली वस्तु में प्रशिक्षण के लिए कम से कम 250 छवियां होनी चाहिए।
ऐसे चित्र उपलब्ध कराएं जो सामान्य उपयोग के दौरान मॉडल को प्रस्तुत किए जाने वाले चित्रों का प्रतिनिधित्व करते हों। उदाहरण के लिए, मान लीजिए कि आप किसी मॉडल को सेब पहचानने का प्रशिक्षण दे रहे हैं। यदि आप केवल प्लेटों पर सेबों की छवियों को प्रशिक्षित करते हैं, तो यह पेड़ों पर लगे सेबों को लगातार नहीं पहचान पाएगा। विभिन्न प्रकार की छवियों को शामिल करने से यह सुनिश्चित होगा कि आपका मॉडल पक्षपातपूर्ण नहीं है और अच्छी तरह से सामान्यीकरण कर सकता है। निम्नलिखित कुछ तरीके हैं जिनसे आप अपने प्रशिक्षण को अधिक विविधतापूर्ण बना सकते हैं।
अपनी वस्तुओं की छवियों का उपयोग विभिन्न पृष्ठभूमियों के सामने करें - उदाहरण के लिए, प्लेटों पर, हाथों में, और पेड़ों पर फल। तटस्थ पृष्ठभूमि के सामने ली गई तस्वीरों की तुलना में संदर्भ में ली गई तस्वीरें बेहतर होती हैं, क्योंकि वे वर्गीकारक के लिए अधिक जानकारी प्रदान करती हैं।
ऐसे प्रशिक्षण चित्रों का उपयोग करें जिनमें अलग-अलग प्रकाश हो, विशेषकर यदि पहचान के लिए प्रयुक्त चित्रों में अलग-अलग प्रकाश हो। उदाहरण के लिए, फ्लैश, उच्च एक्सपोज़र आदि के साथ ली गई छवियों को शामिल करें। विभिन्न संतृप्ति, रंग और चमक वाली छवियों को शामिल करना भी सहायक होता है। आपके डिवाइस का कैमरा संभवतः आपको इन सेटिंग्स को नियंत्रित करने देता है।
ऐसे चित्र प्रदान करें जिनमें वस्तुएं विभिन्न आकारों की हों, तथा वस्तु के विभिन्न भागों को कैद करें - उदाहरण के लिए, केले के गुच्छों की तस्वीर और एक केले का क्लोजअप। विभिन्न आकार निर्धारण से मॉडल को बेहतर सामान्यीकरण में मदद मिलती है।
विभिन्न कोणों से ली गई छवियां उपलब्ध कराने का प्रयास करें। यदि आपकी सभी तस्वीरें निगरानी कैमरों जैसे निश्चित कैमरों के सेट से ली गई हैं, तो प्रत्येक कैमरे को एक अलग लेबल प्रदान करें। इससे लैंपपोस्ट जैसी असंबंधित वस्तुओं को मुख्य विशेषता के रूप में दर्शाने से बचा जा सकता है। कैमरा लेबल निर्दिष्ट करें, भले ही कैमरे समान वस्तुएं कैप्चर करते हों।
AI मॉडल आपकी छवियों में समान विशेषताओं को गलत तरीके से जान सकते हैं। मान लीजिए कि आप सेब और खट्टे फलों में अंतर करने के लिए एक मॉडल बनाना चाहते हैं। यदि आप हाथों में सेब और सफेद प्लेटों पर नींबू के चित्र का उपयोग करते हैं, तो मॉडल सेब बनाम नींबू के बजाय हाथों बनाम सफेद प्लेटों के लिए प्रशिक्षित हो सकता है।
इसे ठीक करने के लिए, अधिक विविध छवियों के साथ प्रशिक्षण पर उपरोक्त मार्गदर्शन का उपयोग करें: विभिन्न कोणों, पृष्ठभूमि, वस्तु आकार, समूहों और अन्य रूपों के साथ छवियां प्रदान करें।
प्रशिक्षण
Certification
Microsoft Certified: Azure AI Fundamentals - Certifications
Demonstrate fundamental AI concepts related to the development of software and services of Microsoft Azure to create AI solutions.