13.7.3. Memberi label pada citra

Detektor objek belajar dari contoh yang diberi label: setiap citra pelatihan memerlukan kotak di sekitar setiap objek target, diberi tag dengan kelasnya. Memberi label ratusan bingkai secara manual sangat lambat, sehingga Roboflow mengotomatiskannya.

13.7.3.1. Auto Label

Pada halaman Annotate, Auto Label menggerakkan model fondasi yang diprompt dengan teks: Anda mendeskripsikan setiap kelas dalam kata-kata dan ia menemukan serta memasang kotak pada objek-objek tersebut di seluruh batch. Tambahkan satu kelas per hal yang ingin Anda deteksi -- stuffed raccoon toy, dan person untuk mengajarkan model apa yang harus diabaikan -- pratinjau hasilnya pada beberapa citra uji, dan sesuaikan ambang batas kepercayaan setiap kelas hingga kotak mendarat di tempat yang seharusnya.

Auto Label menemukan kelas dari prompt teks dan memberi label pada batch -- pratinjau dan sesuaikan ambang batas sebelum menjalankannya pada setiap citra.

Jalankan pada batch, lalu tinjau: pindai citra yang diberi label, perbaiki yang salah oleh model, dan hapus kotak yang salah. Auto Label melakukan pekerjaan massal; tahap peninjauan menangkap kesalahannya.

13.7.3.2. Menambahkan ke dataset

Citra berlabel dipindahkan ke dalam dataset dengan pembagian train / valid / test. Pembagian ini adalah cara akurasi model diukur: model dilatih pada citra pelatihan, disesuaikan terhadap set validasi, dan dinilai pada citra uji yang belum pernah dilihat selama pelatihan. Pembagian default sudah tepat -- terima saja dan dataset siap untuk dilatih.