รวบรวมรูปภาพ

หากต้องการฝึกโมเดลการตรวจหาออบเจ็กต์เพื่อจดจำออบเจ็กต์ของคุณ คุณต้องรวบรวมรูปภาพที่มีออบเจ็กต์เหล่านั้น ปฏิบัติตามคำแนะนำเกี่ยวกับปริมาณและคุณภาพของภาพเพื่อให้ได้ผลลัพธ์ที่ดีกว่า

รูปแบบและขนาด

รูปภาพที่คุณจะนำเข้าไปยังโมเดลการตรวจหาวัตถุของคุณ จะต้องมีลักษณะดังต่อไปนี้:

• รูปแบบ:

  • JPG
  • PNG
  • BMP

• ขนาด:

  • สูงสุด 6 MB สำหรับการฝึกอบรม
  • ความกว้าง / ความสูงขั้นต่ำ 256 พิกเซล x 256 พิกเซล

ปริมาณและความสมดุลของข้อมูล

สิ่งสำคัญคือการอัปโหลดรูปภาพที่เพียงพอต่อการฝึกโมเดล AI ของคุณ จุดเริ่มต้นที่ดี คือ มีรูปภาพอย่างน้อย 15 รูปต่อหนึ่งออบเจ็กต์สำหรับชุดการฝึก ด้วยรูปภาพที่น้อยกว่า มีความเสี่ยงอย่างมากที่โมเดลของคุณจะเรียนรู้แนวคิดที่จะเป็นเพียงสัญญาณรบกวน หรือไม่เกี่ยวข้อง การฝึกโมเดลของคุณด้วยรูปภาพที่มากขึ้นสามารถเพิ่มความแม่นยำได้

ข้อควรพิจารณาอีกประการหนึ่งคือ การตรวจสอบให้แน่ใจว่าข้อมูลของคุณมีความสมดุล หากคุณมีรูปภาพ 500 ภาพสำหรับวัตถุหนึ่งชิ้น และมีรูปภาพเพียง 50 ภาพสำหรับวัตถุอีกชิ้นหนึ่ง ชุดข้อมูลการฝึกอบรมของคุณไม่สมดุล นี่อาจทำให้โมเดลจดจำวัตถุชิ้นใดชิ้นหนึ่งได้ดีขึ้น เพื่อให้ได้ผลลัพธ์ที่สอดคล้องกันมากขึ้น ให้รักษาอัตราส่วนอย่างน้อย 1:2 ระหว่างออบเจ็กต์ที่มีรูปภาพน้อยที่สุดเมื่อเทียบกับออบเจ็กต์ที่มีรูปภาพมากที่สุด ตัวอย่างเช่น ถ้าวัตถุที่มีจำนวนรูปภาพที่มากที่สุดมีรูปภาพ 500 ภาพ วัตถุที่มีจำนวนรูปภาพที่น้อยที่สุดควรมีรูปภาพอย่างน้อย 250 ภาพสำหรับการฝึก

ใช้รูปภาพที่หลากหลายมากขึ้น

ให้รูปภาพที่จะเป็นตัวแทนของสิ่งที่จะถูกส่งไปยังโมเดลในระหว่างการใช้งานปกติ ตัวอย่างเช่น สมมติว่าคุณกำลังฝึกโมเดลให้จดจำแอปเปิ้ล หากคุณฝึกรูปภาพแอปเปิ้ลบนจานเพียงอย่างเดียว ระบบอาจไม่จดจำแอปเปิ้ลบนต้นไม้อย่างสอดคล้องกัน การรวมรูปภาพชนิดต่างๆ จะเป็นการทำให้แน่ใจว่า โมเดลของคุณไม่มีความลำเอียงและสามารถใช้ได้อย่างครอบคลุมเป็นอย่างดี ต่อไปนี้คือวิธีการบางอย่างที่คุณสามารถทำให้ชุดการฝึกของคุณมีความความหลากหลายมากขึ้น

พื้นหลัง

ใช้ภาพของออบเจ็กต์ของคุณในด้านหน้าของพื้นหลังที่แตกต่างกัน ตัวอย่างเช่น ผลไม้บนจาน ในมือ และบนต้นไม้ ภาพถ่ายในบริบทต่างๆ จะดีกว่าภาพถ่ายบนพื้นหลังธรรมดา เนื่องจากบริบทของภาพจะให้ข้อมูลเพิ่มเติมกับตัวแยกประเภท

ความสว่าง

ใช้รูปภาพการฝึกที่มีความสว่างที่ต่างกัน โดยเฉพาะอย่างยิ่ง ถ้ารูปภาพที่ใช้สำหรับการตรวจหาอาจมีความสว่างที่แตกต่างกัน ตัวอย่างเช่น รวมปที่ถ่ายด้วยแฟลช การแสงจ้า และอื่นๆ นอกจากนี้ การรวมรูปภาพที่มีความเข้ม เฉดสี และความสว่างที่แตกต่างกัน ยังเป็นประโยชน์อีกเช่นเดียวกัน กล้องของอุปกรณ์ของคุณอาจช่วยให้คุณสามารถควบคุมการตั้งค่าเหล่านี้ได้

ขนาดวัตถุ

จัดเตรียมรูปภาพที่ออบเจ็กต์มีขนาดแตกต่างกัน จับส่วนต่างๆของออบเจ็กต์ ตัวอย่างเช่น รูปถ่ายของช่อกล้วย และภาพระยะใกล้ของกล้วยผลเดียว ขนาดที่แตกต่างกันจะช่วยให้โมเดล AI สรุปได้ครอบคลุมยิ่งขึ้น

มุมกล้อง

ลองให้รูปภาพที่ถ่ายจากมุมที่แตกต่างกัน หากรูปภาพทั้งหมดของคุณมาจากชุดของกล้องแบบตั้งตายตัว เช่น กล้องวงจรปิด ให้มอบหมายป้ายชื่อที่แตกต่างกันให้กับกล้องแต่ละตัว นี่สามารถช่วยหลีกเลี่ยงการสร้างโมเดลวัตถุที่ไม่เกี่ยวข้อง เช่น เสาไฟ ให้เป็นเป็นคุณลักษณะหลัก มอบหมายป้ายชื่อของกล้อง แม้ว่ากล้องจะถ่ายภาพออบเจ็กต์เดียวกัน

ผลลัพธ์ที่ไม่คาดคิด

โมเดล AI อาจมีการเรียนรู้ที่ผิดพลาดในลักษณะที่รูปภาพของคุณมีอยู่เหมือนกัน สมมติว่าคุณต้องการสร้างโมเดล เพื่อแยกแยะระหว่างแอปเปิ้ลกับส้ม หากคุณใช้รูปภาพของแอปเปิ้ลที่อยู่ในมือและส้มบนจานสีขาว โมเดลอาจฝึกจดจำมือกับจานสีขาวแทนที่จะเป็นแอปเปิ้ลกับส้ม

หากต้องการแก้ไขปัญหานี้ ให้ใช้คำแนะนำด้านบนในการฝึกกับรูปภาพที่หลากหลายยิ่งขึ้น: ให้รูปภาพมีความหลากหลายในมุมมอง พื้นหลัง ขนาดวัตถุ กลุ่ม และตัวแปรอื่นๆ

(ดูเพิ่มเติม )

เริ่มต้นใช้งานการตรวจหาวัตถุ