Ćwiczenie — trenowanie usługi Custom Vision
Teraz nadszedł czas, aby przekazać obrazy i wytrenować usługę Custom Vision.
Upewnij się, że masz około 30 obrazów obiektu, który ma być używany do trenowania, zalogowano Cię do portalu Custom Vision i na stronie projektu.
Przekazywanie obrazów
W przypadku Bungee zaczniemy od przekazania 15 obrazów i sprawdzenia, jak dobrze można wytrenować AI usługi Custom Vision. Obrazy, od których zaczniemy, przedstawiają tylko Bungee, ale z wielu różnych kątów i typów oświetlenia.
Aby rozpocząć trenowanie AI, wykonaj następujące kroki:
- Wybierz pozycję Dodaj obrazy.
- Wybierz obrazy, które mają być używane do trenowania AI.
- Wybierz pozycję Przekaż pliki (X), gdzie X to liczba wybranych obrazów.
- Zaczekaj na przekazanie obrazów.
- Wybierz pozycję Gotowe.
Wszystkie obrazy powinny zostać dodane do portalu Custom Vision.
Tagowanie obrazów
Teraz musisz otagować obrazy. Wybierz jeden obraz. Zostanie rozwinięte okno z obrazem. Zaznacz obraz. Pojawi się pole wokół obiektu. Możesz zobaczyć, że AI już zaczyna pracę przez identyfikację linii i kształtów, które omówiliśmy na poprzedniej lekcji. Dostosuj pole tak, aby dokładnie pasowało do obiektu. Częścią sukcesu AI jest ilość pola, która jest identyfikowana jako obiekt, dlatego pozostań przy widocznych cechach. Na przykład nie należy za bardzo poszerzać pola, ponieważ jest poza nim kilka włosów.
Dodaj tag dla obiektu, wybierz ikonę +, a następnie przejdź do następnego obrazu. Otaguj każdy przekazany obraz.
Uwaga
Na każdym obrazie można otagować więcej niż jeden obiekt. Jeśli chcesz otagować wiele obiektów, możesz to zrobić w jednym kroku.
Po zakończeniu tagowania wszystkich obrazów powinny one być widoczne w obszarze Otagowane w projekcie.
Trenowanie na otagowanych obrazach
Jeśli uważasz, że masz wystarczającą liczbę obrazów, wybierz pozycję Trenuj w prawym górnym rogu portalu. Wybierz pozycję Szybkie trenowanie jako typ trenowania dla pierwszej iteracji. Możesz wypróbować zaawansowane trenowanie później.
Powinna zostać wyświetlona pierwsza iteracja trenowania. W tym miejscu znajdziesz również dwa suwaki, aby zapewnić większą kontrolę nad trenowaniem i przewidywaniami AI.
Próg prawdopodobieństwa
Za każdym razem, gdy AI wykonuje przewidywanie, zapewnia również wartość procentową prawdopodobieństwa. Na przykład powiem: "Jestem 80% przekonany, że jest to Bungee." Próg prawdopodobieństwa to próg, w którym podczas trenowania musi znajdować się pewność, czy przewidywano dokładnie. Jeśli na przykład nasz próg prawdopodobieństwa wynosi 50%, a AI uzna, że ma 45% pewności, że na obrazie jest Bungee i jest to Bungee, nie będzie to liczone jako dokładne przewidywanie.
Próg nakładania
Jak zauważono podczas tagowania obrazów, AI nie tylko podaje procent pewności, że obiekt znajduje się na obrazie, ale również pole ograniczenia w miejscu, w którym uzna, że obiekt znajduje się na zdjęciu. Jeśli na przykład wartość progowa wynosi 30%, co najmniej 30% pola ograniczenia przewidywanego przez AI zawiera obiekt i musi znajdować się w poprawnym polu ograniczenia, które zostało utworzone podczas tagowania obrazów.