13.7.3. การติดป้ายกำกับภาพ

ตัวตรวจจับวัตถุเรียนรู้จากตัวอย่างที่ติดป้ายกำกับ แต่ละภาพฝึกต้องมีกรอบล้อมรอบวัตถุเป้าหมายทุกชิ้น พร้อมแท็กคลาส การติดป้ายกำกับหลายร้อยเฟรมด้วยมือเป็นงานที่ช้า ดังนั้น Roboflow จึงทำให้เป็นอัตโนมัติ

13.7.3.1. Auto Label

บนหน้า Annotate Auto Label ขับเคลื่อนโมเดล foundation ที่สั่งด้วยข้อความ คุณอธิบายแต่ละคลาสด้วยคำพูดและมันจะหาและล้อมกรอบวัตถุเหล่านั้นทั่วทั้งชุด เพิ่มคลาสต่อสิ่งที่ต้องการตรวจจับ ทั้ง stuffed raccoon toy และ person เพื่อสอนโมเดลให้รู้จักสิ่งที่ควรละเว้น ดูตัวอย่างผลลัพธ์บนภาพทดสอบบางส่วน และปรับค่าขีดแบ่งความมั่นใจของแต่ละคลาสจนกระทั่งกรอบอยู่ในตำแหน่งที่ถูกต้อง

Auto Label หาคลาสจาก text prompt และติดป้ายกำกับชุด ดูตัวอย่างและปรับค่าขีดแบ่งก่อนรันกับทุกภาพ

รันบนชุดทั้งหมด จากนั้นตรวจสอบ: สแกนภาพที่ติดป้ายกำกับแล้ว แก้ไขส่วนที่โมเดลทำผิด และลบกรอบที่สร้างขึ้นโดยไม่ถูกต้อง Auto Label ทำงานหลัก การตรวจสอบซ้ำจะจับข้อผิดพลาด

13.7.3.2. การเพิ่มลงในชุดข้อมูล

ภาพที่ติดป้ายกำกับแล้วจะย้ายเข้าชุดข้อมูลด้วยการแบ่ง train / valid / test การแบ่งนี้คือวิธีวัดความแม่นยำของโมเดล มันฝึกบนภาพชุดฝึก ปรับแต่งบนชุด validation และให้คะแนนบนภาพชุดทดสอบที่ไม่เคยเห็นระหว่างการฝึก การแบ่งเริ่มต้นใช้ได้ ยอมรับและชุดข้อมูลก็พร้อมฝึก