वीडियो से प्रशिक्षण किट - जल्दी और कुशलता से

कोई भी, सबसे तुच्छ (या सिर्फ दुर्लभ) वस्तु आसानी से वास्तविक समस्याओं को हल करने के लिए तंत्रिका नेटवर्क का उपयोग करने के लगभग हर प्रयास के साथ बहुत सारी समस्याएं पैदा कर सकती है। जाहिर है, एक सेट प्रशिक्षण की कमी न्यूरोस्टेम दृष्टिकोण का उपयोग करने के लिए परिदृश्यों की भारी संख्या को जटिल बनाती है।

क्या करना है, उदाहरण के लिए, एक दुर्लभ प्रजाति के टिड्डे के साथ, प्रतिनिधियों की मान्यता, एक कारण या किसी अन्य के लिए, एक बहुत ही महत्वपूर्ण कार्य बन गया है।


सभी परिणाम / उदाहरण स्वतंत्र रूप से (और जल्दी से) प्राप्त किए गए थे।

कस्टम ऑब्जेक्ट्स

वास्तविक दुनिया, जैसे वास्तविक कार्य, रंग, आकार, व्यवहार आदि के बारे में बहुत ही विशिष्ट, असामान्य और अक्सर बहुत विशिष्ट होते हैं।


संबंधित समस्याओं को सफलतापूर्वक हल करने के लिए, डेटा की जरूरत है (प्रशिक्षण सेट, हमारे मामले में)। और चूंकि हर कोई "सबसे सही" ऑटोपायलट बनाने या तस्वीरों में मुस्कुराहट की तलाश करने की कोशिश नहीं कर रहा है, इसलिए आवश्यक सेट का निर्माण मुख्य समस्या बन जाता है।

सहमत हूँ, कुछ बहुत विशिष्ट रंग शैली के लिए तैयार-तैयार और उच्च-गुणवत्ता वाले सेट को खोजने की संभावना शून्य हो जाती है:


वैसे, पेंट किए गए बॉडी में आने पर यूट्यूब एल्गोरिदम थोड़ा नकली लगता है। कम से कम लौटी हुई सामग्री कुछ विवादास्पद लगती है।

अंकन का सामान्य तरीका

ठीक है, मान लीजिए कि मैनुअल मार्कअप बहुत डरावना नहीं लगता है - आप नीरस काम से डरते नहीं हैं या भीड़ सोर्सिंग परिणाम की गुणवत्ता और लागत के लिए दोनों उपयुक्त है। लेकिन यह सच है जब तक यह एक बाउंडिंग बॉक्स के नीचे आता है (केवल उदाहरण के लिए एक हैकनेड उदाहरण का उपयोग किया जाता है):


यदि कार्य की बारीकियों को सटीक समोच्च खोजने की आवश्यकता हो तो क्या करें? मास्क RCNN काफी एक समाधान है, लेकिन इसके लिए उच्च-गुणवत्ता और सटीक प्रशिक्षण सेट की आवश्यकता होती है। और एक समोच्च आकर्षित करने के लिए, जैसा कि आप जानते हैं, यह चिह्नित करने के लिए एक आयत नहीं है और इस तरह के काम के लिए कई अन्य प्रयासों की आवश्यकता होगी।

स्वचालित दृष्टिकोण

शाश्वत प्रश्न: "क्या करना है?"। उत्तर कोई तुच्छ नहीं है - स्वचालित करने के लिए। कंप्यूटर दृष्टि के शास्त्रीय एल्गोरिदम स्वीकार्य परिणाम प्राप्त करने की अनुमति देते हैं बशर्ते कि कुछ बुनियादी शर्तें पूरी हों।


दरअसल, यह अतिरिक्त परिस्थितियों का आरोपण है जो इस दृष्टिकोण को मुख्य समाधान के रूप में उपयोग करने की अनुमति नहीं देता है। फिर भी, सही मानक एल्गोरिदम आपको उच्च-गुणवत्ता, विविध और आसानी से एक्स्टेंसिबल सेट प्राप्त करने की अनुमति देता है।

इतना उच्च-गुणवत्ता कि चयनित क्षेत्र में सामान्य रंग परिवर्तन भी लगभग तैयार समाधान की तरह दिखता है:


अगली बार दृष्टिकोण के बारे में अधिक।

प्रशिक्षण सेट उदाहरण

किसी वीडियो से प्रशिक्षण सेट जनरेट करने का तरीका सुविधाजनक है, जिसमें अंतिम परिणाम में विशेष रूप से "लाइव" और पूरी तरह से वास्तविक उदाहरण शामिल हैं जो वास्तविक दुनिया की परिवर्तनशीलता और जटिलता को दर्शाते हैं। उदाहरण के लिए, होंठ:

अन्य परिणाम

परियोजना के विकास का पालन करें

YouTube: RobotsCanSee
टेलीग्राम: RobotsCanSeeUs