Zbiranje slik
Če želite usposobiti model zaznavanje predmetov za prepoznavanje vaših predmetov, morate zbrati slike, ki vsebujejo te predmete. Upoštevajte smernice za količino in kakovost slike za boljše rezultate.
Slike, ki jih boste vnesli v model zaznavanje predmetov, potrebujejo te lastnosti:
Oblika:
- JPG
- PNG
- BMP
Velikost:
- Največ 6 MB za usposabljanje
- Najmanjša širina/višina 256 x 256 slikovnih pik
Pomembno je, da naložite dovolj slik za usposabljanje svojega modela AI. Dobro izhodišče je, da imate vsaj 15 slik na objekt za učni niz. Z manj slikami obstaja veliko tveganje, da se bo vaš model naučil konceptov, ki so samo šum ali niso pomembni. Usposabljanje vašega modela z več slikami bi moralo povečati natančnost.
Drug premislek je zagotoviti, da so vaši podatki uravnoteženi. Če imate 500 slik za en objekt in samo 50 slik za drugega, vaš nabor podatkov o usposabljanju ni uravnotežen. To lahko povzroči, da bo model bolje prepoznal enega od predmetov. Za bolj dosledne rezultate ohranite vsaj razmerje 1:2 med predmetom z najmanj slikami in tistim z največ. Na primer, če ima objekt z največjim številom slik 500 slik, mora imeti objekt z najmanj slikami vsaj 250 slik za usposabljanje.
Zagotovite slike, ki predstavljajo tisto, kar bo predloženo modelu med običajno uporabo. Na primer, recimo, da usposabljate model za prepoznavanje jabolk. Če trenirate samo slike jabolk na krožnikih, morda ne bo dosledno prepoznal jabolk na drevesih. Vključitev različnih vrst slik bo zagotovila, da vaš model ni pristranski in da bo lahko dobro posploševal. V nadaljevanju je nekaj načinov, kako lahko svoj nabor vadbe naredite bolj raznolik.
Uporabite slike svojih predmetov pred različnimi ozadji – na primer sadje na krožnikih, v rokah in na drevesih. Fotografije v kontekstu so boljše od fotografij pred nevtralnimi ozadji, ker zagotavljajo več informacij za klasifikatorja.
Uporabite slike za usposabljanje, ki imajo drugačno osvetlitev, zlasti če imajo slike, uporabljene za zaznavanje, drugačno osvetlitev. Vključite na primer slike, posnete z bliskavico, visoko osvetlitvijo itd. Prav tako je koristno vključiti slike z različnimi nasičenostmi, odtenki in svetlostjo. Kamera vaše naprave vam verjetno omogoča nadzor teh nastavitev.
Posredujte slike, na katerih so predmeti različnih velikosti in zajamejo različne dele predmeta – na primer fotografijo šopkov banan in bližnji posnetek ene same banane. Različna velikost pripomore k boljši generalizaciji modela.
Poskusite zagotoviti slike, posnete iz različnih zornih kotov. Če so vse vaše fotografije iz niza fiksnih kamer, kot so nadzorne kamere, vsaki kameri dodelite drugo oznako. Tako se lahko izognete modeliranju nepovezanih predmetov, kot so stebri za svetilke, kot ključni funkciji. Dodelite oznake kameram, tudi če kamere zajemajo iste predmete.
Modeli AI se lahko nepravilno naučijo značilnosti, ki so skupne vašim slikam. Recimo, da želite ustvariti model za razlikovanje jabolk od citrusov. Če uporabljate slike jabolk v rokah in citrusov na belih krožnikih, se bo model morda uril za roke proti belim krožnikom namesto jabolk proti citrusom.
Če želite to popraviti, uporabite zgornja navodila za usposabljanje z bolj raznolikimi slikami: zagotovite slike z različnimi koti, ozadji, velikostjo predmeta, skupinami in drugimi različicami.