13.7.3. Görüntüleri etiketleme

Bir nesne tespitçisi, etiketlenmiş örneklerden öğrenir: her eğitim görüntüsünün, hedef her nesnenin etrafında sınıfıyla etiketlenmiş bir kutuya ihtiyacı vardır. Yüzlerce çerçeveyi elle etiketlemek yavaştır, bu yüzden Roboflow bunu otomatikleştirir.

13.7.3.1. Auto Label

Annotate sayfasında Auto Label, metinle yönlendirilen bir temel model çalıştırır: her sınıfı kelimelerle tanımlarsınız ve o, tüm yığın boyunca bu nesneleri bulup kutular. Tespit etmek istediğiniz her şey için bir sınıf ekleyin – stuffed raccoon toy ve modele neyi yok sayacağını öğretmek için person – sonucu birkaç test görüntüsünde önizleyin ve kutular olması gereken yere oturana kadar her sınıfın güven eşiğini ayarlayın.

Auto Label, sınıfları metin yönergelerinden bulur ve yığını etiketler – her görüntüde çalıştırmadan önce eşikleri önizleyin ve ayarlayın.

Yığında çalıştırın, ardından gözden geçirin: etiketlenmiş görüntüleri tarayın, modelin yanlış yaptığı birkaçını düzeltin ve uydurduğu kutuları silin. Auto Label asıl işi yapar; gözden geçirme aşaması onun hatalarını yakalar.

13.7.3.2. Veri kümesine ekleme

Etiketlenmiş görüntüler, bir train / valid / test bölünmesiyle veri kümesine taşınır. Bölünme, modelin doğruluğunun nasıl ölçüldüğüdür: model eğitim görüntülerinde eğitilir, doğrulama kümesine göre ayarlanır ve eğitim sırasında hiç görmediği test görüntülerinde puanlanır. Varsayılan bölünme işe yarar – kabul edin ve veri kümesi eğitime hazırdır.