13.1.17. Editor dataset

Melatih classifier khusus dimulai dengan dataset berlabel -- ratusan citra setiap objek yang harus dikenali model, diambil oleh kamera yang akan menjalankannya, diurutkan ke dalam satu folder per kelas. Editor dataset adalah alur kerja pengambilan gambar IDE untuk membangunnya.

Tools → Dataset Editor → New Dataset meminta folder untuk membangun dataset -- dengan peringatan bahwa isi folder yang tidak kosong akan dihapus -- dan menyiapkannya: panel browser file terhubung di sebelah kiri jendela utama, dan skrip pengambilan gambar (dataset_capture_script.py) terbuka di editor. Skrip ini adalah loop pengambilan sederhana, dan dimaksudkan untuk diedit -- terapkan koreksi lensa, pemotongan, atau pemfilteran yang sama yang akan digunakan aplikasi yang di-deploy, sehingga model dilatih pada citra yang sebenarnya akan dilihatnya. Open Dataset membuka kembali folder dataset yang sudah ada nanti, dan Close Dataset mengembalikan jendela ke kondisi normal.

13.1.17.1. Pengambilan gambar

Selama dataset terbuka, dua tombol bergabung di toolbar tepi kiri jendela, di bawah kontrol run. New Class Folder (Ctrl+Shift+N) membuat kelas -- satu per kategori yang harus dipelajari model, dinamai sesuai label. Dengan skrip pengambilan gambar berjalan dan folder kelas dipilih, Capture Data (Ctrl+Shift+S) menyimpan citra buffer bingkai saat ini ke dalam kelas tersebut, dan panel pratinjau di bawah browser file menampilkan setiap hasil tangkapan saat mendarat.

Ritme pengambilan gambar adalah: pilih kelas, arahkan kamera ke contohnya, ambil gambar; pindahkan objek, variasikan sudut, jarak, latar belakang, pencahayaan, ambil lagi -- variasi dalam dataset adalah yang memberikan ketahanan pada model. Ulangi per kelas, termasuk kelas latar belakang berisi adegan tanpa satu pun target jika aplikasi perlu mengetahui ketika tidak ada yang ada.

13.1.17.2. Ekspor dan pelatihan

Submenu Export mengirim dataset yang telah selesai ke pelatihan. Export Dataset to Zip File mengemasnya ke dalam arsip dengan nama file berawalan kelas -- format netral yang diterima setiap layanan pelatihan dan framework. Untuk Edge Impulse, IDE terintegrasi langsung: masuk ke akun Edge Impulse dari submenu yang sama, dan Upload to Edge Impulse Project mendorong dataset langsung ke proyek (upload API-key tersedia untuk akun di mana login email-dan-password bukan pilihan). Latih di sana, ekspor model, dan konverter NPU membuatnya siap untuk kamera ketika board memerlukannya.

Lihat juga

Bab machine learning untuk alur kerja pelatihan yang menggunakan dataset ini.