Более быстрый тег изображений с помощью Smart Labeler
Из этого руководства вы узнаете, как использовать функцию Smart Labeler, чтобы создавать предложенные теги для изображений. Это позволит вам быстрее присвоить теги большому числу изображений, по которым будет обучаться модель Пользовательского визуального распознавания.
При теге изображений для модели Пользовательское визуальное распознавание служба использует последнюю обученную итерацию модели для прогнозирования меток новых изображений. В нем показаны эти прогнозы в виде предлагаемых тегов в пользовательском интерфейсе на основе выбранного порога достоверности и неопределенности прогнозирования. Затем можно подтвердить или изменить предложения. Это ускоряет процесс ручного добавления тегов изображений для обучения.
Сценарии использования функции Smart Labeler
Не забывайте о следующих ограничениях:
- Вам следует запросить только предлагаемые теги для изображений, теги которых уже были обучены один раз. Не получите предложения для нового тега, на который вы только начинаете обучаться.
Важно!
Функция Smart Labeler использует ту же Модель ценообразования, что и обычные прогнозы. При первом обращении за предлагаемыми тегами для набора изображений вам будет выставлен счет, как за вызовы прогнозирования. После этого служба хранит результаты для выбранных изображений в базе данных в течение 30 дней, и вы можете обращаться к ним в любое время в течение этого периода. Через 30 дней, если вы снова запросите свои предложенные теги, вам снова будет выставлен счет.
Рабочий процесс функции Smart Labeler
Выполните следующие действия, чтобы использовать Smart Labeler:
- Отправьте все образы для обучения в свой проект пользовательского визуального распознавания.
- Пометьте часть своего набора данных, выбрав равное количество изображений для каждого тега.
Совет
Убедитесь, что вы используете все теги, для которых позднее будут использоваться предложения.
- Начните процесс обучения.
- По завершении обучения перейдите к представлению Без тега и нажмите кнопку Получить предлагаемые теги в области слева.
- В появившемся всплывающем окне задайте число изображений, для которых нужно получить предложения. Рекомендуется получить начальные предложения тегов только для части изображений без тегов. Использование итераций для этого процесса позволит получить улучшенные предложения тегов.
- Подтвердите предлагаемые теги, исправив неправильные.
Совет
Изображения с предлагаемыми тегами сортируются по неопределенности прогноза (низкие значения показывают больший уровень доверия). Порядок сортировки можно изменить с помощью параметра Сортировать по неопределенности. Если задать порядок От высокой к низкой, можно сначала исправить прогнозы с высоким уровнем неопределенности, а затем быстро подтвердить прогнозы с низким уровнем неопределенности.
В проектах классификации изображений можно выбирать и подтверждать теги пакетами. Отфильтруйте представление по заданному предложенному тегу, отмените выбор изображений, для которых предложены неправильные теги, а затем подтвердите остальные элементы в пакете.
Также можно использовать предлагаемые теги в режиме отдельных изображений, выбрав изображение из коллекции.
В проектах обнаружения объектов пакетное подтверждение пакетов не поддерживается, но по-прежнему можно фильтровать и сортировать по предлагаемым тегам для более организованной работы с метками. На эскизы изображений без тегов будут наложены ограничивающие прямоугольники, показывающие места предлагаемых тегов. Если фильтр предложенных тегов не выбран, все изображения без тегов будут показаны без наложения ограничивающих рамок.
Чтобы подтвердить теги обнаружения объектов, их нужно применить к каждому отдельному изображению в коллекции.
- Начните процесс обучения снова.
- Повторяйте предыдущие шаги, пока качество предложения не станет удовлетворительным.
Следующие шаги
Следуйте краткому руководству, чтобы приступить к созданию и обучению проекта Пользовательского визуального распознавания.