हम अधिक सटीक वर्गीकरण सत्यापन के लिए वस्तुओं की विस्तृत ज्यामिति को पुनर्स्थापित करते हैं

खोज गुणवत्ता के मुद्दों से निपटने के लिए, जल्द या बाद में हमें दृश्य उत्पाद सत्यापन के कार्य से निपटना होगा। हम उन साधारण कार्यों को छोड़ देते हैं जो साधारण क्लासिफायरियर उन मामलों पर ध्यान केंद्रित करेंगे, जिनमें अधिक या कम सटीक वस्तु ज्यामिति की आवश्यकता होती है:



मान लीजिए कि आपको बाद में ई-कॉमर्स में उपयोग के लिए कुछ वस्तुओं की केवल अच्छी तस्वीरों का चयन करने की आवश्यकता है। अच्छे से हमारा तात्पर्य एक मुख्य मुख्य विषय के साथ अनावश्यक विवरण के बिना तस्वीरों से है।

इसकी आवश्यकता क्यों है?

उत्पाद की कोई भी गैर-मानक छवि निश्चित रूप से ध्यान आकर्षित करेगी। लेकिन संभावित खरीदार की प्रतिक्रिया सकारात्मक और नकारात्मक दोनों हो सकती है। प्रारंभिक सत्यापन का कार्य नकारात्मक परिदृश्य की संभावना को कम करना (अधिमानतः काफी) है।

नीचे टेस्ट स्टोर की श्रेणियों में से एक के लिए शैलियों की "विसंगति" है



आगे की जटिलता के बिना, अगर टी-शर्ट फोटो में थोड़ी खो गई है, या आप उन विवरणों पर विचार कर रहे हैं जो आपके लिए पूरी तरह से आवश्यक नहीं हैं, तो कुछ गलत होने की संभावना है (या पहले से ही चला गया)।

इस प्रकार, प्रारंभिक सत्यापन के लिए रणनीतियों में से एक को बहुत सरल रूप से तैयार किया जा सकता है: प्रमुख उत्पादों की जीत के साथ तस्वीरें। मामला छोटा है, उन्हें जीत देना जरूरी है।



शुरुआती परिणाम बहुत अच्छे दिखे और हमें सत्यापन को सरल और स्वचालित करने की अनुमति दी:

इतना बाउंडिंग बॉक्स अप्रोच क्या नहीं है?

मुख्य समस्या परिणामों की सटीकता है। जटिल वस्तुएं, गैर-मानक तस्वीरें, वास्तविक जीवन, आप जानते हैं। इस प्रकार, यदि आपके पास एक बाउंडिंग बॉक्स है - तो आपके पास अभी भी पर्याप्त जानकारी नहीं है।



निष्कर्ष कुछ हद तक परेशान करने वाला है, क्योंकि यह तुरंत सिद्ध और अच्छी तरह से काम कर रहे समाधानों को खारिज कर देता है (या उन्हें बहुत मुश्किल बना देता है)। उदाहरण के लिए, किसी भी सटीक ज्यामिति को प्राप्त करने के लिए तंत्रिका नेटवर्क के उपयोग के लिए आवश्यक सटीकता की गारंटी के बिना, प्रशिक्षण सेट तैयार करने के लिए बहुत सारे संसाधनों की आवश्यकता होती है।



लेकिन अधिक या कम सटीक ज्यामिति होने से, कोई विश्लेषण और सत्यापन के अधिक जटिल तर्क का उपयोग कर सकता है। हां, वहां क्या हो सकता है, आप वीडियो (आवश्यक सेगमेंट की पसंद, स्वचालित फसल, आदि) पर भी लहर कर सकते हैं।

निर्णय

वर्तमान समाधान को सीमाओं और सरलीकरणों की पर्याप्त संख्या के कारण सार्वभौमिक नहीं कहा जा सकता है।

सरलीकरण संख्या 1: इसके विपरीत

सरलीकरण में से एक को निम्नानुसार तैयार किया जा सकता है: फोटो में ऑब्जेक्ट हमेशा विपरीत होगा। एक विषम वस्तु को खोजना मुश्किल नहीं है, और फिर एक स्कैन (अनुकूली, एक गतिशील कदम के साथ, आदि) करें:



स्वाभाविक रूप से, यदि आवश्यक हो, तो इसके विपरीत बढ़ाया जा सकता है, जिससे समाधान अधिक स्थिर हो जाता है



वैसे, ऊपर दिए गए उदाहरण में, प्रत्यारोपित बालों की खोज को लागू किया गया है। एक बहुत ही अजीब कार्य जो एक शाम स्टैकओवरफ्लो पर दिखाई दिया और सफलतापूर्वक "चयनित" हुआ।

सरलीकरण संख्या 2: केवल एक वस्तु प्रमुख होनी चाहिए

इस मामले में, स्पष्ट डिजाइन निर्णयों के साथ बहुत कम संख्या में उत्पाद पीड़ित होते हैं, लेकिन अन्य मामलों में काफी आसानी से काम किया जाता है:

मुश्किल मामले

कुछ समय के लिए इस विषय का अध्ययन करने के बाद, मैं आत्मविश्वास से कह सकता हूं कि सभी मामले अपने तरीके से जटिल हैं। हालांकि, अलग-अलग दूरी के साथ गतिशील दृश्य या दृश्य सबसे बड़ी समस्याएं पैदा करते हैं।

नृत्य

स्कीइस चलनेवाला

इसके अलावा:
विषमताएं 4K मास्क RCNN COCO
YOLOv2 बनाम YOLOv3 बनाम मास्क RCNN बनाम डेपलैब एक्ससेप्शन
टेलीग्राम: RobotsCanSee
Instagram: RobotsCanSee