آغاز به کار پلتفرم بینااکسپرتز
آموزش سریع بینااکسپرتز
Last updated
آموزش سریع بینااکسپرتز
Last updated
بینااکسپرتز همه چیزهایی که برای برچسب‌گذاری، آموزش و پیاده‌سازی راه‌حل‌های بینایی کامپیوتری نیاز دارید، فراهم می‌کند. از اطلاعات این راهنما استفاده کنید تا یک مدل بینایی کامپیوتری برای کاربرد خاص خود ایجاد کنید.
آموزش سریع (۶ دقیقه‌ای)
1. اضافه کردن داده‌ها
پس از مرور و پذیرش شرایط خدمات، از شما خواسته می‌شود بین یکی از سه پلن انتخاب کنید: پلن عمومی، پلن ابتدایی و پلن سفارشی.
2. اضافه کردن هم تیمی
سپس از شما خواسته می‌شود همکاران را به فضای کاری خود دعوت کنید. این همکاران می‌توانند به شما در حاشیه‌نویسی تصاویر یا مدیریت پروژه‌های بینایی در فضای کاری‌تان کمک کنند. بعد از دعوت افراد به فضای کاری (در صورت تمایل)، می‌توانید یک پروژه ایجاد کنید.
3. انتخاب نوع پروژه‌های بینایی کامپیوتر
برای این مثال، ما از یک دیتاست استفاده خواهیم کرد. این مدل می‌تواند برای تضمین کیفیت در یک کارخانه تولیدی مورد استفاده قرار گیرد. البته، شما می‌توانید از هر تصویری که می‌خواهید برای آموزش مدل استفاده کنید.
نوع پروژه را به حالت پیش‌فرض "تشخیص اشیا" بگذارید چون مدل ما به شناسایی اشیای خاص می‌پردازد و می‌خواهیم موقعیت آن‌ها را در تصویر بدانیم.
روی "ایجاد پروژه" کلیک کنید تا ادامه دهید.
برای این راهنما، از دیتاست کلاه ایمنی ارائه شده توسط بینااکسپرتز استفاده خواهیم کرد. دیتاست "helmet" را دانلود کنید.
پس از دانلود دیتاست، فایل را از حالت فشرده خارج کنید. پوشه “helmet”را از سیستم خود به ناحیه بارگذاری مشخص شده بکشید. این دیتاست در قالب COCO JSON ساختاربندی شده، که یکی از بیش از ۵ قالب بینایی کامپیوتری پشتیبانی شده توسط بینااکسپرتز است.
برای شروع، توصیه می‌کنیم از ۵ تا ۱۰ تصویر استفاده کنید که کلاس‌های موردنظر شما برای شناسایی را به تعادل برساند. به عنوان مثال، اگر نیاز به شناسایی کلاه ایمنی دارید، اطمینان حاصل کنید که حداقل ۵ تا ۱۰ تصویر شامل این شی باشد.
هنگامی که پوشه دیتاست "helmet" را آپلود می‌کنید، بینااکسپرتز تصاویر و برچسب‌گذاری‌ها را پردازش می‌کند تا آن‌ها را با برچسب‌ها نمایش دهد.
بینااکسپرتز به شما درباره هرگونه خطای برچسب‌گذاری هشدار خواهد داد. به عنوان مثال، اگر یک برچسب‌گذاری به‌طور نادرست از چارچوب تصویر خارج شود، بینااکسپرتز هوشمندانه برچسب‌گذاری را به لبه تصویر کوتاه می‌کند و برچسب‌های اشتباه خارج از چارچوب را حذف می‌کند.
در این مرحله، تصاویر شما هنوز بارگذاری نشده‌اند. اطمینان حاصل کنید که همه تصاویر صحیح هستند و برچسب‌گذاری‌ها به‌درستی پردازش شده‌اند. می‌توانید با قرار دادن ماوس بر روی هر تصویر و انتخاب آیکون سطل زباله، هر تصویری را حذف کنید.
اگر هر تصویری با علامت "بدون برچسب‌گذاری" مشخص شده باشد، می‌توانید در بخش بعدی آن را برچسب‌گذاری کنید. برای آپلود داده‌های خود، روی "ذخیره و ادامه" کلیک کنید.
تصمیم بگیرید که چگونه تصاویر خود را بین مجموعه‌های آموزش، اعتبارسنجی و آزمایش تقسیم کنید.
مجموعه آموزش: برای آموزش مدل شما استفاده می‌شود.
مجموعه اعتبارسنجی: برای ارزیابی عملکرد مدل در طول آموزش استفاده می‌شود.
مجموعه آزمایش: برای آزمون دستی عملکرد مدل استفاده می‌شود.
گزینه "استفاده از مقادیر موجود" را برای استفاده از دیتاست از پیش تقسیم‌شده توسط بینااکسپرتز انتخاب کنید.
علاوه بر تصاویر، می‌توانید ویدئوها را نیز بارگذاری کنید. به برگه "بارگذاری" بروید، یک ویدئو را بکشید یا یک URL یوتیوب را بچسبانید. از شما پرسیده می‌شود که چند فریم در هر ثانیه باید گرفته شود. به عنوان مثال، انتخاب "۱ فریم/ثانیه" یک تصویر را در هر ثانیه از ویدئو ضبط می‌کند.
از ابزار "Annotate" بینااکسپرتز برای اضافه کردن برچسب‌ها، مانند جعبه‌های مرزی، به اطراف اشیا بدون برچسب استفاده کنید. این برچسب‌ها به عنوان کلید پاسخ برای آموزش مدل شما عمل می‌کنند. می‌توانید تصاویر بیشتری را برچسب‌گذاری کنید تا بهبود یادگیری مدل را تسریع کنید. برای رسم یک جعبه، از نشانگر خود برای انتخاب ناحیه روی تصویر استفاده کنید و سپس یک برچسب به آن اختصاص دهید.
نکته حرفه‌ای: از AutoLabel بینااکسپرتز استفاده کنید تا از نسخه‌های قبلی مدل برای برچسب‌گذاری مجموعه داده‌های آینده استفاده کنید. AutoLabel از یک مدل موجود برای ایجاد برچسب‌ها به‌صورت خودکار بهره می‌برد و این فرآیند را تسریع می‌کند.
بینااکسپرتز همچنین از برچسب‌گذاری چندضلعی پشتیبانی می‌کند که برای پروژه‌هایی که نیاز به موقعیت‌یابی دقیق اشیا دارند، ضروری است. برای استفاده از "چندضلعی" روی آیکون پایین در نوار کناری سمت چپ کلیک کنید.
برای افزودن تصاویر یا داده‌ها به دیتاست، روی گزینه "افزودن داده جدید" کلیک کنید.
پس از تکمیل برچسب‌گذاری‌ها، یک نسخه جدید از دیتاست ایجاد کنید. این نسخه شامل تصاویر پردازش‌شده به روشی خاص است، مشابه کنترل نسخه برای داده‌ها.
می‌توانید پیش‌پردازش‌ها و افزایش‌هایی مانند تغییر اندازه، خاکستری‌سازی، چرخش‌های تصادفی، تنظیم روشنایی، محوکردن، شیب‌دهی، برش و موارد دیگر را اعمال کنید. با یکی یا دو افزایش شروع کنید و بر اساس نیاز تنظیمات را تغییر دهید. به‌طور کلی، از افزایش ها در اولین کار آموزش برای ارزیابی عملکرد مدل اجتناب کنید.
برای آموزش مدل در پلتفرم بینااکسپرتز:
1. روی دکمه "آموزش" کلیک کنید.
2. تنظیمات کار آموزش مدل خود را پیکربندی کنید.
3. نوع مدل را انتخاب کنید. برای این راهنما " سریع " را انتخاب کنید.
4. نقطه بازبینی را برای آموزش انتخاب کنید.
5. پیشرفت آموزش را از طریق نمودارهای لحظه‌ای نظارت کنید.
پس از اتمام آموزش، ایمیلی با نتایج آموزش دریافت خواهید کرد.
مدل آموزش‌دیده شما بهینه شده و آماده پیاده‌سازی است. بینااکسپرتز از گزینه‌های مختلف پیاده‌سازی، مانند یکپارچه‌سازی API یا پیاده‌سازی در دستگاه‌های Edge پشتیبانی می‌کند.
با استفاده از API میزبان بینااکسپرتز (سرور از راه دور)، مدل در ابر اجرا می‌شود و نیازی به نگرانی در مورد قابلیت‌های سخت‌افزاری دستگاه وجود ندارد.
همچنین می‌توانید مدل‌ها را با استفاده از گزینه‌های دیگر مناسب برای برنامه‌های تولیدی خود پیاده‌سازی کنید. برای جزئیات بیشتر، به راهنمای پیاده‌سازی ما مراجعه کنید.
