13.7.3. Разметка изображений

Детектор объектов учится на размеченных примерах: каждому обучающему изображению нужна рамка вокруг каждого целевого объекта с указанием его класса. Размечать сотни кадров вручную медленно, поэтому Roboflow автоматизирует это.

13.7.3.1. Auto Label

На странице Annotate функция Auto Label управляет базовой моделью, работающей по текстовым подсказкам: вы описываете каждый класс словами, а она находит и обводит эти объекты во всей партии. Добавьте по классу на каждый объект, который хотите обнаруживать — stuffed raccoon toy и person, чтобы научить модель тому, что следует игнорировать — просмотрите результат на нескольких тестовых изображениях и регулируйте порог уверенности каждого класса, пока рамки не окажутся там, где должны быть.

Auto Label находит классы по текстовым подсказкам и размечает партию — просмотрите и настройте пороги перед запуском на всех изображениях.

Запустите её на партии, затем проверьте: просмотрите размеченные изображения, исправьте те немногие, которые модель определила неправильно, и удалите придуманные ею рамки. Auto Label выполняет основную работу; проход проверки выявляет её ошибки.

13.7.3.2. Добавление в набор данных

Размеченные изображения попадают в набор данных с разбиением train / valid / test. Это разбиение определяет, как измеряется точность модели: она обучается на обучающих изображениях, настраивается по валидационному набору и оценивается на тестовых изображениях, которых никогда не видела во время обучения. Разбиение по умолчанию подходит — примите его, и набор данных готов к обучению.