Menandai gambar lebih cepat dengan Smart Labeler

Dalam panduan ini, Anda akan mempelajari cara menggunakan Smart Labeler untuk menghasilkan tag yang disarankan untuk gambar. Hal ini memungkinkan Anda memberi label gambar dalam jumlah besar dengan lebih cepat saat melatih model Custom Vision.

Saat Anda menandai gambar untuk model Custom Vision, layanan menggunakan iterasi model terlatih terbaru untuk memprediksi label gambar baru. Ini menunjukkan prediksi ini sebagai tag yang disarankan di UI, berdasarkan ambang keyakinan yang dipilih dan ketidakpastian prediksi. Anda kemudian dapat mengonfirmasi atau mengubah saran. Ini mempercepat proses pemberian tag gambar secara manual untuk pelatihan.

Kapan harus menggunakan Smart Labeler

Ingatlah batasan berikut:

  • Anda seharusnya hanya meminta tag yang disarankan untuk gambar yang tagnya telah dilatih sekaligus. Jangan mendapatkan saran untuk tag baru yang baru saja Anda mulai latih.

Penting

Fitur Smart Labeler menggunakan model harga yang sama seperti prediksi biasa. Pertama kali Anda memicu tag yang disarankan untuk kumpulan gambar, Anda akan dikenakan biaya yang sama seperti untuk panggilan prediksi. Setelah itu, layanan menyimpan hasil untuk gambar yang dipilih dalam database selama 30 hari, dan Anda dapat mengaksesnya kapan saja secara gratis dalam jangka waktu tersebut. Setelah 30 hari, Anda akan ditagih jika Anda meminta tag yang disarankan lagi.

Alur kerja Smart Labeler

Ikuti langkah-langkah berikut untuk menggunakan Smart Labeler:

  1. Unggah semua gambar pelatihan Anda ke proyek Custom Vision Anda.
  2. Beri label bagian dari himpunan data Anda, pilih jumlah gambar yang sama untuk setiap tag.

    Tip

    Pastikan menggunakan semua tag yang Anda inginkan sarannya nanti.

  3. Mulai proses pelatihan.
  4. Saat pelatihan selesai, navigasikan ke tampilan Tidak ditandai dan pilih tombol Dapatkan tag yang disarankan di panel kiri.

    The suggested tags button is shown under the untagged images tab.

  5. Di jendela popup yang muncul, atur jumlah gambar yang Anda inginkan sarannya. Anda seharusnya hanya mendapatkan saran tag awal untuk sebagian dari gambar yang tidak diberi tag. Anda akan mendapatkan saran tag yang lebih baik saat mengulangi proses ini.
  6. Konfirmasikan tag yang disarankan, perbaiki tag yang salah.

    Tip

    Gambar dengan tag yang disarankan diurutkan berdasarkan ketidakpastian prediksinya (nilai yang lebih rendah menunjukkan keyakinan yang lebih tinggi). Anda dapat mengubah urutan sortir dengan opsi Urutkan menurut ketidakpastian. Jika Anda mengatur urutan ke tinggi ke rendah, Anda dapat memperbaiki prediksi dengan ketidakpastian tinggi terlebih dahulu, kemudian dengan cepat mengonfirmasi prediksi dengan ketidakpastian rendah.

    • Dalam proyek klasifikasi gambar, Anda dapat memilih dan mengonfirmasi tag dalam batch. Filter tampilan dengan tag yang disarankan, batalkan pilihan gambar yang ditandai dengan tidak benar, lalu konfirmasikan sisanya dalam satu batch.

      Suggested tags are displayed in batch mode for IC with filters.

      Anda juga dapat menggunakan tag yang disarankan dalam mode gambar individual dengan memilih gambar dari galeri.

      Suggested tags are displayed in individual image mode for IC.

    • Dalam proyek deteksi objek, konfirmasi batch tidak didukung, tetapi Anda masih dapat memfilter dan mengurutkan menurut tag yang disarankan untuk pengalaman pelabelan yang lebih teratur. Gambar kecil dari gambar Anda yang tidak diberi tag akan menampilkan overlay kotak batas yang menunjukkan lokasi tag yang disarankan. Jika Anda tidak memilih filter tag yang disarankan, semua gambar tanpa tag akan muncul tanpa berada di atas kotak batas.

      Suggested tags are displayed in batch mode for OD with filters.

      Untuk mengonfirmasi tag deteksi objek, Anda perlu menerapkannya ke setiap gambar individual di galeri.

      Suggested tags are displayed in individual image mode for OD.

  7. Mulai proses pelatihan lagi.
  8. Ulangi langkah sebelumnya sampai Anda puas dengan kualitas saran.

Langkah berikutnya

Ikuti mulai cepat untuk mulai membuat dan melatih proyek Custom Vision.