13.7.3. Kuvien luokittelu

Kohteentunnistin oppii esimerkeistä, jotka on luokiteltu: jokaisessa koulutuskuvassa tarvitaan laatikko jokaisen kohdeobjektin ympärille, merkittynä luokallaan. Satojen kehysten luokittelu käsin on hidasta, joten Roboflow automatisoi sen.

13.7.3.1. Auto Label

Annotate-sivulla Auto Label ohjaa tekstikehotteella ohjattua perustusmallia: kuvailet jokaisen luokan sanoin, ja se löytää ja laatikoi nuo kohteet koko erän läpi. Lisää luokka jokaiselle asialle, jonka haluat tunnistaa – stuffed raccoon toy ja person opettamaan mallille, mitä jättää huomiotta – esikatsele tulosta muutamalla testikuvalla ja säädä jokaisen luokan luottamuskynnysarvoa, kunnes laatikot osuvat sinne, minne pitää.

Auto Label löytää luokat tekstikehotteista ja luokittelee erän – esikatsele ja hienosäädä kynnysarvot ennen sen ajamista jokaiselle kuvalle.

Aja se erälle ja tarkista sitten: selaa luokitellut kuvat läpi, korjaa ne muutamat, jotka malli sai väärin, ja poista laatikot, jotka se keksi. Auto Label tekee suurtyön; tarkistuskierros nappaa sen virheet.

13.7.3.2. Aineistoon lisääminen

Luokitellut kuvat siirtyvät aineistoon train / valid / test -jaolla. Jako on tapa, jolla mallin tarkkuus mitataan: se kouluttautuu koulutuskuvilla, hienosäätyy validointijoukkoa vasten ja arvioidaan testikuvilla, joita se ei koskaan nähnyt koulutuksen aikana. Oletusjako toimii – hyväksy se, ja aineisto on valmis koulutettavaksi.