13.7.3. Označování obrázků

Detektor objektů se učí z příkladů, které jsou označené: každý trénovací obraz potřebuje rámeček kolem každého cílového objektu, opatřený štítkem s jeho třídou. Označování stovek snímků ručně je pomalé, takže Roboflow tuto činnost automatizuje.

13.7.3.1. Auto Label

Na stránce Annotate Auto Label řídí textově promptovaný foundation model: jednotlivé třídy popíšete slovy a on tyto objekty napříč celou dávkou najde a orámuje. Přidejte jednu třídu pro každou věc, kterou chcete detekovat – stuffed raccoon toy a person pro naučení modelu, co má ignorovat – prohlédněte si výsledek na několika testovacích obrázcích a upravujte práh spolehlivosti každé třídy, dokud rámečky nepadnou tam, kam mají.

Auto Label najde třídy z textových promptů a označí dávku – před spuštěním na každém obrázku si prohlédněte náhled a vylaďte prahy.

Spusťte to na dávce a poté zkontrolujte: projděte označené obrázky, opravte těch pár, které model určil špatně, a smažte rámečky, které si vymyslel. Auto Label odvede hrubou práci; kontrolní průchod zachytí jeho chyby.

13.7.3.2. Přidání do datové sady

Označené obrázky se přesouvají do datové sady s rozdělením train / valid / test. Toto rozdělení slouží k měření přesnosti modelu: model trénuje na trénovacích obrázcích, ladí se vůči validační sadě a hodnotí se na testovacích obrázcích, které během trénování nikdy neviděl. Výchozí rozdělení funguje – přijměte jej a datová sada je připravena k trénování.