13.8.4. אימון המודל

כשמערך נתונים מתויג בידכם, האימון הוא תהליך מודרך בעמוד Train: נעלו גרסת מערך נתונים, בחרו ארכיטקטורה, והעבירו את ההרצה לידי השרתים של Roboflow.

13.8.4.1. גרסת מערך הנתונים

לפני האימון, Roboflow בונה גרסה של מערך הנתונים – תמונת בזק (snapshot) קפואה של התמונות בתוספת שני טרנספורמים המוחלים בדרך פנימה:

• Preprocessing משנה את גודל כל תמונה לרזולוציה שבה המודל מתאמן. שמרו על רזולוציה זו קטנה: המצלמה מריצה מודלים קטנים, ומזהה שאומן ברזולוציה צנועה מתאים לזיכרון המצלמה ורץ במהירות.

• Augmentation מסנתז תמונות אימון נוספות על ידי הפרעה למקור – היפוכים, הסטות בהירות וחשיפה, טשטוש, רעש. כל הגדלה מלמדת את המודל לסבול וריאציה אמיתית שיפגוש במצלמה, מה שמותח מערך נתונים קטן שנלכד ביד הרבה יותר רחוק.

תצוגה מקדימה של הגדלה: כל אפשרות מראה מה היא עושה לתמונת דוגמה לפני שאתם מחילים אותה על הגרסה.

התאימו את ההגדלות לוריאציות שהמצלמה תראה בפועל. בהירות וחשיפה מצדיקות את מקומן – התאורה משתנה כל הזמן. דלגו על אלו שלעולם אינן קורות בהתקנה שלכם; מצלמה המקובעת במקום לעולם אינה רואה היפוך אנכי, ולכן הגדלת היפוך רק מדללת את מערך הנתונים.

13.8.4.2. בחירת ארכיטקטורה

לאחר מכן, בחרו את ארכיטקטורת המודל. Roboflow מציע כמה, כל אחת עם בורר גודל הסוחר דיוק תמורת מהירות.

בחירות הארכיטקטורה – כל אחת עם בורר גודל הסוחר דיוק תמורת מהירות הסקה.

עבור המצלמה, בחרו Roboflow 3.0. מתחת למכסה המנוע זהו YOLOv8, והמצלמה כוללת מפענח פוסט של YOLOv8 ב-ml.postprocessing.ultralytics, כך שהפלט שלו מפוענח ללא קוד נוסף מצדכם. בחרו את הגודל Fast – הוא מתאים לזיכרון המצלמה ורץ בקצב פריימים שמיש.

13.8.4.3. הרצת האימון

התחילו את ההרצה והאימון מתרחש בשרתים של Roboflow – בדרך כלל הרבה פחות משעה עבור מערך נתונים קטן, עם אימייל כשזה מסתיים. עמוד הגרסה מציג אז את גרפי האימון ומדדי הדיוק: mAP, דיוק (precision), והיזכרות (recall).

המודל המאומן עם מדדי הדיוק שלו. מכאן, עמוד Visualize גם מריץ אותו על תמונות בדיקה או על מצלמת רשת לבדיקת שפיות מהירה.

אם המספרים טובים, המודל מוכן לפריסה. אם לא, התיקון הוא בדרך כלל נתונים נוספים או מגוונים יותר – לכדו קליפ נוסף, תייגו אותו, ואמנו גרסה חדשה.