13.7.3. Etichetarea imaginilor

Un detector de obiecte învață din exemple care sunt etichetate: fiecare imagine de antrenare are nevoie de o casetă în jurul fiecărui obiect țintă, marcată cu clasa sa. Etichetarea manuală a sute de cadre este lentă, așa că Roboflow o automatizează.

13.7.3.1. Auto Label

Pe pagina Annotate, Auto Label acționează un model de bază ghidat prin text: descrieți fiecare clasă în cuvinte, iar acesta găsește și încadrează acele obiecte în întregul lot. Adăugați o clasă pentru fiecare lucru pe care doriți să-l detectați – stuffed raccoon toy și person pentru a învăța modelul ce să ignore – previzualizați rezultatul pe câteva imagini de test și ajustați pragul de încredere al fiecărei clase până când casetele ajung unde trebuie.

Auto Label găsește clasele din prompturi text și etichetează lotul – previzualizați și reglați pragurile înainte de a-l rula pe fiecare imagine.

Rulați-l pe lot, apoi revizuiți: parcurgeți imaginile etichetate, corectați-le pe cele puține pe care modelul le-a greșit și ștergeți casetele pe care le-a inventat. Auto Label face munca de masă; etapa de revizuire prinde greșelile sale.

13.7.3.2. Adăugarea la setul de date

Imaginile etichetate trec în setul de date cu o împărțire train / valid / test. Această împărțire este modul în care se măsoară acuratețea modelului: acesta se antrenează pe imaginile de antrenare, se reglează în raport cu setul de validare și este punctat pe imaginile de test pe care nu le-a văzut niciodată în timpul antrenării. Împărțirea implicită funcționează – acceptați-o și setul de date este gata de antrenare.