हमने शिकंजा को वर्गीकृत करने के लिए एक तंत्रिका नेटवर्क को कैसे प्रशिक्षित किया

एक तंत्रिका नेटवर्क एक तस्वीर में एक बिल्ली की पहचान कर सकता है, एक सोफा पा सकता है, वीडियो रिकॉर्डिंग में सुधार कर सकता है, पिल्लों या एक साधारण स्केच से एक तस्वीर खींच सकता है। हम पहले से ही इसके अभ्यस्त हैं। तंत्रिका नेटवर्क के बारे में समाचार लगभग हर दिन दिखाई देते हैं और आम हो गए हैं। ग्रिड डायनेमिक्स कंपनियों ने एक तस्वीर से एक ऑनलाइन स्टोर के विशाल कैटलॉग में एक विशिष्ट स्क्रू या बोल्ट खोजने के लिए तंत्रिका नेटवर्क को सिखाने के लिए साधारण नहीं, बल्कि मुश्किल काम को निर्धारित किया। बिल्ली को खोजने की तुलना में कार्य अधिक कठिन है।



शिकंजा के ऑनलाइन स्टोर की समस्या स्टॉक में है। हजारों मॉडल के हजारों या दसियों। प्रत्येक पेंच का अपना विवरण और विशेषताएं हैं, इसलिए फ़िल्टर के लिए कोई उम्मीद नहीं है। क्या करें? मैन्युअल रूप से खोजें या अलमारियों पर हाइपरमार्केट में खोजें? दोनों ही मामलों में, यह समय की बर्बादी है। नतीजतन, ग्राहक थक जाता है और एक कील को हथौड़ा देता है। उसकी मदद करने के लिए, हम एक तंत्रिका नेटवर्क का उपयोग करेंगे। यदि वह सील या सोफे पा सकती है, तो उसे कुछ उपयोगी करने दें - शिकंजा और बोल्ट उठाता है। एक उपयोगकर्ता के लिए शिकंजा को जल्दी और सही तरीके से चुनने के लिए एक तंत्रिका नेटवर्क को कैसे सिखाना है, हम आपको रिपोर्ट के प्रतिलेख में बताएंगे, मारिया मत्सकेविच , जो कि ग्रिड डायनेमिक्स डेटा विश्लेषण और मशीन सीखने में लगे हुए हैं।

क्रेता समस्याओं

कल्पना कीजिए - हमने एक मेज खरीदी है, लेकिन एक छोटा पेंच खो गया है, और एक मेज को इसके बिना इकट्ठा नहीं किया जा सकता है। हम खोज में ऑनलाइन स्टोर पर जाते हैं, और हम 15,000 अद्वितीय पदों को देखते हैं, जिनमें से प्रत्येक संभवतः हमारा पेंच है।

हम फ़िल्टर पर जाते हैं - उनमें से लगभग 10 हैं, जिनमें से प्रत्येक में 5 से 100 विशेषताएँ हैं। टोपी और रंग का प्रकार चुनें: फ्लैट टोपी - फ्लैट और पीले तांबे - पीतल। हम इस मुद्दे को प्राप्त करते हैं।



यह क्या है हम इसकी तलाश नहीं कर रहे थे। उस व्यक्ति को आग दें जो प्रत्यर्पण के लिए जिम्मेदार है!

थोड़ी देर बाद, हम फिर भी 2 उपयुक्त टेबल शिकंजा का चयन करते हैं।



सबसे सरल बात यह है कि विवरण और विशेषताओं को समझने के लिए। प्रत्येक निर्माता अपने तरीके से शिकंजा का वर्णन करता है। किसी विशेष मॉडल के मापदंडों का वर्णन करने के लिए कोई विशिष्ट आवश्यकताएं नहीं हैं।

वह सब कुछ जो क्लाइंट के लिए मुश्किलें पैदा करता है। खोया समय, तंत्रिकाओं और तकनीकी सहायता का श्रम, जो ग्राहक को वांछित मॉडल खोजने में मदद करता है। खरीदार की इन समस्याओं को महसूस करने के बाद, हमारे ग्राहक - एक बड़ी अमेरिकी कंपनी - ने ग्राहक को एक धीमी और हमेशा सफल शब्दार्थ खोज के बजाय फोटो द्वारा त्वरित, सटीक और सरल खोज प्रदान करने का निर्णय लिया।

कार्यान्वयन कठिनाइयों

हमने काम संभाला और महसूस किया कि कई समस्याएं हैं।

पेंच एक जैसे लगते हैं। तस्वीरों में देखिए।



ये अलग-अलग पेंच हैं। यदि आप फ़ोटो फ्लिप करते हैं, तो आप देख सकते हैं कि महत्वपूर्ण विशेषता अलग है - सिर।



और इस फोटो में?



यहां मॉडल समान हैं। प्रकाश व्यवस्था अलग है, लेकिन दोनों तस्वीरों में एक पेंच मॉडल है।

दुर्लभ प्रजातियां हैं जिन्हें वर्गीकरण की आवश्यकता होती है। उदाहरण के लिए, "कान" या एक अंगूठी के साथ।



आवेदन का उपयोग करने के लिए न्यूनतम आवश्यकताएं। उपयोगकर्ता किसी भी पृष्ठभूमि के साथ एक फोटो अपलोड कर सकता है, बाहरी वस्तुओं के साथ, छाया के साथ, खराब प्रकाश व्यवस्था के साथ, और एप्लिकेशन को परिणाम देना होगा। एक सफेद पृष्ठभूमि पर एक पेंच या बोल्ट एक दुर्लभ वस्तु है।



आवेदन वास्तविक समय में काम करना चाहिए। उपयोगकर्ता यहां और अभी के परिणाम की प्रतीक्षा कर रहा है।

प्रतियोगियों। हाल ही में अमेज़ॅन - हमारे ग्राहक का एक प्रतियोगी - ने अपना पार्ट फाइंडर लॉन्च किया। यह एक आवेदन है जो एक तस्वीर से शिकंजा और बोल्ट की खोज करता है।



Amazona के अलावा, हमारे पास ग्राहक के लिए अपने स्वयं के समाधान के साथ दो स्टार्ट-अप प्रतियोगी थे। हमें न केवल अमेज़ॅन, बल्कि स्टार्टअप्स को भी मात देने की जरूरत थी, जो मुश्किल नहीं था। प्रतियोगियों में से एक ने उन पर 20 सबसे लोकप्रिय बोल्ट और प्रशिक्षण ऑब्जेक्ट का पता लगाने के विचार का सुझाव दिया। लेकिन इस सवाल का क्या होगा कि जब तंत्रिका नेटवर्क ग्राहक की साइट से 100, 1000 या सभी 15 000 स्क्रू देते हैं, तो ऑब्जेक्ट का पता कैसे चलेगा और कहां से इतना डेटा मिलेगा, प्रतियोगी को जवाब नहीं मिला।

निर्णय

यह स्केलेबल होना चाहिए और शिकंजा की किस्मों और कैटलॉग के आकार पर निर्भर नहीं होना चाहिए । समस्या को हल करने के लिए, हमने विशेषताओं या विशेषताओं के एक सेट के रूप में एक स्क्रू पर विचार करने का निर्णय लिया। प्रत्येक विशेषता विशेषताओं का एक समूह है।



निम्नलिखित विशेषताओं का चयन करें:

• टोपी - सिर (32 विशेषताएँ);
• बाहरी कोटिंग - खत्म (15 विशेषताओं);
• बिंदु - टिप (12 विशेषताएँ);
• थ्रेड कवरेज - थ्रेड कवरेज (4 विशेषताएँ)।

हमने सभी चिह्नों के मानचित्र की जांच की और महसूस किया कि 15,000 अलग-अलग शिकंजा का वर्णन करने के लिए, उन्हें केवल 50 की आवश्यकता है। वे विभिन्न विशेषताओं के साथ विभिन्न संकेतों का एक संयोजन होंगे। फोटो में पेंच के पैमाने को मापने के लिए 50 स्क्रू और एक सिक्का लगता है।

इसलिए उन्होंने फैसला किया। हमने विचार पर फैसला किया। आगे डेटा की आवश्यकता है।

डेटा

हमने ग्राहक से डेटा प्राप्त किया और थोड़ा परेशान थे। कैटलॉग डेटा - एक सफेद पृष्ठभूमि पर वस्तुओं की तस्वीरें।



लेकिन वे डेटा के लिए काफी अनुरूप नहीं हैं कि आवेदन प्रक्रिया करेगा। उपयोगकर्ता किसी भी पृष्ठभूमि का उपयोग करना चाहेगा, अपने हाथ की हथेली में चित्र लेगा या अपनी उंगलियों से बोल्ट पकड़ सकता है। जिस डेटा पर नेटवर्क को प्रशिक्षित किया गया है, वह वास्तविक तस्वीर के साथ मेल नहीं खाएगा।

फिर हमने रिचर्ड सोकर की सलाह का पालन करने का फैसला किया।

एक महीने के लिए एक शिक्षक के बिना एक शिक्षण पद्धति सीखने के बजाय, एक सप्ताह लेना, डेटा को चिह्नित करना और क्लासिफायर ट्रेन करना आसान है।

तो हमने किया - प्रिंटर पर बहुत सारे रंगीन पृष्ठभूमि को मुद्रित किया, इन 50 बोल्टों को खरीदा और पृष्ठभूमि पर प्रशिक्षण के आंकड़ों की तस्वीर खींची। इसलिए हमें तालिकाओं और कालीनों की सतहों के लिए सभी संभव विकल्प मिले।



डेटा इकट्ठा करने के बाद, अगला चरण यह समझना है कि चित्र में बोल्ट कहाँ स्थित है, यदि बिल्कुल।

स्थानीयकरण

हमने स्थानीयकरण के दो दृष्टिकोणों की जांच की: वस्तु का पता लगाने और शब्दार्थ विभाजन ।



ऑब्जेक्ट डिटेक्शन ऑब्जेक्ट के आसपास के न्यूनतम क्षेत्र का बॉक्स लौटाता है। सिमेंटिक विभाजन मुखौटा लौटाता है। हमारे मामले में, मुखौटा अधिक उपयुक्त है। यह अपने आकार को बनाए रखता है, पृष्ठभूमि, अतिरिक्त छाया को हटाता है और आपको ऑब्जेक्ट का पता लगाने की तुलना में बेहतर शिकंजा को वर्गीकृत करने की अनुमति देता है।



सिमेंटिक सेगमेंटेशन का कार्य प्रत्येक पिक्सेल के लिए अपने वर्ग से संबंधित होने की संभावना को वापस करना है। ऐसे मॉडल को प्रशिक्षित करने के लिए, लेबल किए गए डेटा की आवश्यकता होती है। हमने "लेबलमे" एप्लिकेशन का उपयोग किया, जिसके साथ हमने नमूना चिह्नित किया। हमें एक सिक्के और एक स्क्रू के साथ लगभग एक हजार मास्क मिले।

आदर्श

हमने यू-नेट लिया। यह नेटवर्क कैगल में बहुत पसंद है और अब हम भी हैं।



यू-नेट एनकोडर-डिकोडर का एक सफल कार्यान्वयन है।

• एक निर्माण पथ या एनकोडर । यह यू-नेट का हिस्सा है, जो डेटा के पूरे सेट का प्रतिनिधित्व करने की कोशिश कर रहा है, जो एक अधिक संकुचित स्थान में वेक्टर प्रतिनिधित्व के रूप में मौजूद है। वह इन संकेतों को जानती है और सबसे महत्वपूर्ण पाती है।
• एक विस्तार पथ या विकोडक । एक फीचर मैप को डिकोड करने का प्रयास करता है और समझता है कि तस्वीर में ऑब्जेक्ट कहां है।

हमने मॉडल पर फैसला किया। अब हम नुकसान फ़ंक्शन का चयन करते हैं, जिसका मूल्य हम सीखने की प्रक्रिया में कम से कम करेंगे।

हानि समारोह

विभाजन के लिए क्लासिक विकल्प पासा गुणांक है :

$$

$$D (P, G) = \ frac {2 | P \ cdot G |} {| P | + | G |}$$

यह सटीक और याद के बीच हार्मोनिक मतलब है। हार्मोनिक का मतलब है कि हम समान रूप से पहली तरह की त्रुटि और दूसरी तरह की त्रुटि का वजन करते हैं। हमारा डेटा संतुलित नहीं है, और यह हमारे लिए बहुत उपयुक्त नहीं है।



हमेशा बहुत सी पृष्ठभूमि होती है, और वस्तु ही पर्याप्त नहीं होती है। इसलिए, मॉडल हमेशा बहुत उच्च परिशुद्धता और बहुत कम याद दिलाएगा। अलग-अलग तरीकों से पहली और दूसरी तरह की त्रुटियों को तौलना, हमने टावर्सकी इंडेक्स लेने का फैसला किया:

$$$ $ प्रदर्शन $ $ S (P, G, α, =) = \ frac {| P \ cdot | |} | {| P \ cdot G | + α | P / G | + β | G / P |} $ $ $ $ प्रदर्शित करें

Tversky सूचकांक में दो गुणांक हैं, α और weigh, दोनों त्रुटियों को अलग-अलग तौलना। यदि हम α = β = 0.5 लेते हैं, तो हमें एक ही पासा गुणांक मिलता है। यदि हम अन्य मापदंडों का चयन करते हैं, तो हमें जैककार्ड इंडेक्स मिलता है - वस्तुओं की समानता के उपायों में से एक। Α = = 1 के लिए - टावर्सकी इंडेक्स जैकार्ड इंडेक्स के बराबर है।

आप F can- स्कोर भी प्राप्त कर सकते हैं। Α + = 1 के लिए, टावर्सकी सूचकांक F score- स्कोर से मेल खाता है।

Α और β का चयन करने के लिए, हमने कई प्रयोग किए। उन्होंने परिकल्पना की कि मॉडल को दूसरी तरह की त्रुटियों के लिए कठिन दंड दिया जाएगा । जब कोई मॉडल किसी पृष्ठभूमि पिक्सेल को ऑब्जेक्ट पिक्सेल के रूप में वर्गीकृत करता है तो यह इतना बुरा नहीं है। यदि ऑब्जेक्ट के चारों ओर एक छोटी पृष्ठभूमि है, तो यह सामान्य है। लेकिन जब मॉडल एक स्क्रू पिक्सेल को एक पृष्ठभूमि पिक्सेल के रूप में वर्गीकृत करता है - पेंच पर छेद दिखाई देते हैं, तो यह असमान हो जाता है, और यह हमारे वर्गीकरण में हस्तक्षेप करता है।

इसलिए, हमने पैरामीटर increase बढ़ाने और इसे 1 के करीब लाने का फैसला किया, और पैरामीटर α से 0।



चित्र बताता है कि सबसे अच्छा मुखौटा and = 0.7 और α = 0.3 के साथ प्राप्त किया गया था। हमने इस पर रोक लगाने और अपने सभी डेटा पर मॉडल को प्रशिक्षित करने का निर्णय लिया।

ट्रेनिंग

सीखने की रणनीति बहुत मुश्किल है। चूंकि हमने व्यक्तिगत समय में डेटा को मैन्युअल रूप से चिह्नित किया था, इसलिए हमने यू-नेट की एक विशेषता का उपयोग करने का निर्णय लिया। यह प्रत्येक नए वर्ग को एक नए चैनल पर विभाजित करता है - एक नया चैनल जोड़ता है और एक वस्तु इस पर स्थानीय होती है।

इसलिए, हमारे प्रशिक्षण में एक भी तस्वीर नहीं थी जिसमें एक सिक्का और बोल्ट दोनों शामिल हैं। सभी चित्रों में एक वर्ग होता है: 10% - सिक्के, 90% - शिकंजा।



इससे प्रयासों को सही ढंग से वितरित करने और एक सिक्का पर समय बचाने के लिए संभव हो गया - यह एक है, लेकिन फॉर्म सरल है। हमने आसानी से इसे खंडित करना सीख लिया, जिससे हमें अपने प्रयासों का 90% शिकंजा स्थानांतरित करने की अनुमति मिली। उनके पास अलग-अलग आकार और रंग हैं, और यह सीखना महत्वपूर्ण है कि उन्हें कैसे विभाजित करना है।

हमारे नेटवर्क ने उन उदाहरणों को भी विभाजित करना सीख लिया है जो हमारे नमूने में नहीं थे। उदाहरण के लिए, एक असामान्य आकार के बोल्ट अनुपस्थित थे, लेकिन मॉडल ने उन्हें अच्छी तरह से विभाजित किया। उसने शिकंजा और बोल्ट के संकेतों को सामान्य करना सीखा और नए डेटा के लिए इसका उपयोग किया, जो बहुत अच्छा है।

वर्गीकरण

यह ऑब्जेक्ट के स्थानीयकरण के बाद अगला चरण है। कुछ लोग वस्तुओं को वर्गीकृत करने के लिए दृढ़ तंत्रिका नेटवर्क को प्रशिक्षित करते हैं, वे अक्सर स्थानांतरण सीखने का उपयोग करते हैं । चलो एक दृढ़ तंत्रिका नेटवर्क की वास्तुकला को देखते हैं, और फिर संक्षेप में याद करते हैं कि स्थानांतरण शिक्षा क्या है।



शुरुआती परतों में, नेटवर्क सीमाओं और कोणों को पहचानना सीखता है। बाद में यह साधारण आकृतियों को पहचानता है: आयत, वृत्त, वर्ग। शीर्ष के करीब, जितना अधिक यह उस डेटा की विशेषता विशेषताओं को पहचानता है जिस पर यह प्रशिक्षित है। बहुत शीर्ष पर, मॉडल कक्षाओं को पहचानता है।

दुनिया की अधिकांश वस्तुओं में साधारण रूप होते हैं और इनमें सामान्य विशेषताएं होती हैं। आप एक ऐसे नेटवर्क का हिस्सा ले सकते हैं जो डेटा की एक विशाल मात्रा में प्रशिक्षित है और हमारे वर्गीकरण के लिए इन विशेषताओं का उपयोग करता है। संसाधनों के बड़े व्यय के बिना सेट किए गए एक छोटे डेटा पर नेटवर्क को प्रशिक्षित किया जाएगा। हमने यही किया है।



एक बार जब आपने स्थानांतरण सीखने की सामान्य तकनीक पर फैसला कर लिया है, तो आपको एक पूर्व-प्रशिक्षित मॉडल का चयन करने की आवश्यकता है।

मॉडल चयन

हमारे आवेदन वास्तविक समय में काम करता है। मॉडल हल्का और मोबाइल होना चाहिए - कुछ पैरामीटर हैं, लेकिन सटीक होना चाहिए। इन दो कारकों को ध्यान में रखते हुए, हमने हल्केपन के पक्ष में थोड़ी सटीकता का त्याग किया। इसलिए, हमने सबसे सटीक नहीं, बल्कि हल्के मॉडल को चुना - एक्ससेप्शन ।



Xception में, सामान्य कनवल्शन के बजाय - कन्वर्सेशन - सेपरिबल कन्वेंशन का उपयोग किया जाता है। इसलिए, Xception अन्य नेटवर्क की तुलना में हल्का है, उदाहरण के लिए, वीजीजी के साथ।



साधारण बातचीत इंटरचेंनल और इंटरडिमेंशनल कन्वेंशन दोनों करती है। और वियोज्य कन्वेंशन शेयर: पहला, अन्योन्याश्रित दृढ़ संकल्प - गहराई , और फिर इंटरचेनलाइन । परिणाम गठबंधन करते हैं।

एक्ससेप्शन वियोज्य कॉन्वोल्यूशन को क्रियान्वित करता है, जबकि यह सामान्य कॉन्वोल्यूशन के समान ही अच्छा परिणाम देता है, लेकिन कम पैरामीटर हैं।



हम मापदंडों की गणना के लिए सूत्रों में मानों को प्रतिस्थापित करते हैं, उदाहरण के लिए, 16 फ़िल्टर के लिए। साधारण कन्वोक्यूलेशन के लिए, आपको अलग-अलग कन्वर्सेशन के लिए पैरामीटर्स की 7 गुना अधिक गणना करने की आवश्यकता है। इसके कारण, एक्ससेप्शन अधिक सटीक और कम होता है।

ट्रेनिंग

पहले, हमने कुछ बेसलाइन बनाने का फैसला किया और मूल चित्र में मॉडल को प्रशिक्षित किया। हमारे पास 4 क्लासिफायर थे और प्रत्येक एक विशिष्ट विशेषता के लिए जिम्मेदार था। परिणाम असंतोषजनक था।



फिर उन्होंने बॉक्स पर मॉडल को प्रशिक्षित किया, जिसने ऑब्जेक्ट का पता लगाया। थ्रेड कवरेज के लिए सटीकता में अच्छी वृद्धि हुई। लेकिन बाकी के क्लासीफायर के लिए, परिणाम भी असंतोषजनक है।



तब उन्होंने क्लासिफायर को केवल पेंच के उस हिस्से को देने का फैसला किया जो वे चाहते हैं और वर्गीकृत करेंगे। सिर केवल टोपी देते हैं, टिप - केवल एक भाला। ऐसा करने के लिए, हमने मास्क लिया, एक समोच्च मिला जिसके चारों ओर न्यूनतम क्षेत्र की एक आयत परिक्रमा की गई, और रोटेशन के कोण की गणना की गई।



इस समय, हम अभी भी नहीं जानते हैं कि पेंच सिर और टिप किस तरफ है। यह पता लगाने के लिए, उन्होंने बॉक्स को आधे में काट दिया और वर्ग को देखा।



जिस क्षेत्र में सिर होता है वह उस क्षेत्र से हमेशा बड़ा होता है जिसमें टिप होता है। क्षेत्र की तुलना करते हुए, हम यह निर्धारित करते हैं कि किस हिस्से में, स्क्रू के किस हिस्से में। यह काम किया, लेकिन सभी मामलों के लिए नहीं।



जब पेंच की लंबाई एक आयत के बजाय टोपी के व्यास के बराबर होती है, तो एक वर्ग प्राप्त होता है। जब हम इसे चालू करते हैं, तो हमें एक तस्वीर मिलती है, जैसा कि नंबर 3 पर है। मॉडल इस विकल्प को अच्छी तरह से वर्गीकृत नहीं करता है।

फिर हमने सभी लंबे शिकंजा लिए, उनके लिए रोटेशन कोणों की गणना की, और रोटेशन नेट उथले तंत्रिका नेटवर्क का निर्माण किया, जो स्क्रू लेता है और रोटेशन कोण की भविष्यवाणी करता है।



तब इस सहायक मॉडल का उपयोग छोटे छोटे शिकंजा और बोल्ट के लिए किया गया था। हमें एक अच्छा परिणाम मिला - सब कुछ काम करता है, छोटे शिकंजा भी घुमाते हैं। इस स्तर पर, त्रुटि व्यावहारिक रूप से शून्य तक कम हो जाती है। हमने यह डेटा लिया, क्लासिफायर को प्रशिक्षित किया और देखा कि प्रत्येक क्लासिफायर के लिए, फिनिश को छोड़कर सटीकता में काफी वृद्धि हुई है। यह बहुत अच्छा है - हम आगे काम करते हैं।



लेकिन किसी कारण से, समाप्त नहीं हुआ। हमने त्रुटियों का अध्ययन किया और चित्र देखा।



अलग-अलग प्रकाश व्यवस्था की स्थिति और विभिन्न कैमरा सेटिंग्स के तहत शिकंजा की एक ही जोड़ी रंग में भिन्न होती है। यह न केवल मॉडल, बल्कि व्यक्ति को भी भ्रमित कर सकता है। ग्रे गुलाबी हो सकता है, पीला नारंगी हो सकता है। नीली-सोने की पोशाक को याद करें - एक ही कहानी। पेंच की परावर्तक सतह भ्रामक है।

हमने इंटरनेट पर इसी तरह के मामलों का अध्ययन किया और चीनी वैज्ञानिकों को पाया जिन्होंने कारों को रंगों से वर्गीकृत करने की कोशिश की और कारों के लिए भी यही समस्या आई।



एक समाधान के रूप में, चीनी वैज्ञानिकों ने एक उथले नेटवर्क बनाया है। इसकी विशेषता दो शाखाओं में होती है जो अंत में समतल होती हैं। इस वास्तुकला को ColorNet कहा जाता है।



हमने अपने कार्य के लिए एक समाधान लागू किया, और हमें सटीकता में लगभग 2 गुना वृद्धि हुई। ऐसे परिणामों और मॉडल के साथ आप काम कर सकते हैं और ऑनलाइन स्टोर की सूची में तालिका से बहुत पेंच की तलाश कर सकते हैं।



हमारे पास 4 विशेषताओं के लिए केवल 4 क्लासिफायरियर थे, और कई अन्य हैं। तो, आपको कुछ प्रकार के फ़िल्टर बनाने की आवश्यकता है जो कैटलॉग डेटा को ले लेंगे और इसे एक निश्चित तरीके से फ़िल्टर करेंगे।

छानने

प्रत्येक क्लासिफायरियर एक सॉफ्ट लेबल और क्लास देता है। हमने नरम टैग और हमारे डेटाबेस के मूल्यों को लिया, कुछ स्कोर गिना - प्रत्येक सुविधा के लिए सभी टैग गुणा करना।



स्कोर सभी सहपाठियों के आत्मविश्वास को दर्शाता है कि सुविधाओं का यह संयोजन सबसे अधिक संभावना दिखाई देगा। उच्च स्कोर, अधिक संभावना है कि कैटलॉग से स्क्रू और तस्वीर में स्क्रू समान हैं।

पाइपलाइन

यह इस तरह के एक आवेदन निकला।

• इनपुट : एक कच्ची तस्वीर से शुरू करें
• स्थानीयकरण : यह निर्धारित करें कि बोल्ट या पेंच कहां स्थित है, और सिक्का कहां है।
• परिवर्तन और रोटेशन ।
• वर्गीकरण : हम ध्यान से सब कुछ ट्रिम करते हैं, वर्गीकृत करते हैं और आकार निर्धारित करते हैं।
• छानने का काम ।
• एक विशिष्ट SKU स्थिति से बाहर निकलें ।

एक जटिल परियोजना को कैसे लागू किया जाए

हाथी को भागों में खाओ । बड़ी समस्या को भागों में विभाजित करें।

लेबल डेटा जो वास्तविकता को प्रतिबिंबित करेगा। डेटा मार्कअप से डरो मत - यह सबसे सुरक्षित तरीका है, जो मॉडल की अधिकतम गुणवत्ता को जल्दी से सुनिश्चित करेगा। डेटा संश्लेषण के तरीके आमतौर पर वास्तविक डेटा का उपयोग करने की तुलना में खराब परिणाम देते हैं।

इसका परीक्षण करें । कई मॉडल बनाने से पहले, हमने डेटा के छोटे हिस्से लिए, इसे अपने हाथों से लेबल किया, और प्रत्येक परिकल्पना के संचालन का परीक्षण किया। इसके बाद ही उन्होंने यू-नेट, क्लासिफायर, रोटेशन को प्रशिक्षित किया।

पहिया को सुदृढ़ न करें । अक्सर आप जिस समस्या का सामना कर रहे हैं, उसका समाधान पहले से ही है। इंटरनेट पर देखें, लेख पढ़ें - कुछ ढूंढना सुनिश्चित करें!

हमारे दृश्य खोज एप्लिकेशन के बारे में कहानी केवल शिकंजा के वर्गीकरण के बारे में नहीं है। यह एक जटिल परियोजना बनाने के बारे में है, जिसमें कोई एनालॉग नहीं है, लेकिन अगर हैं भी, तो वे उन आवश्यकताओं को पूरा नहीं करते हैं जो हम आवेदन के लिए निर्धारित करते हैं।

ग्रिड डायनेमिक्स परियोजनाओं और डेटा विज्ञान टीम द्वारा सामना की गई अन्य चुनौतियों के बारे में अधिक जानकारी के लिए, कंपनी के प्रौद्योगिकी ब्लॉग को देखें ।

इस तरह के पूर्वाग्रह के साथ रिपोर्ट - वास्तविक गैर-मानक परियोजनाओं में मशीन लर्निंग एल्गोरिदम का उपयोग - हम सिर्फ UseData Conf की तलाश कर रहे हैं। यहाँ अधिक है कि हम किन क्षेत्रों में सबसे अधिक रुचि रखते हैं।

यदि आप जानते हैं कि मॉडल को कैसे प्रैंक करना है तो एप्लिकेशन भेजें । यदि आप जानते हैं कि अभिसरण गति की गारंटी नहीं देता है, और आपको यह बताने के लिए तैयार है कि किस पर ध्यान देना अधिक महत्वपूर्ण है, तो हम 16 सितंबर को आपकी प्रतीक्षा कर रहे हैं।