IoT-For-Beginners/translations/bn/5-retail/lessons/1-train-stock-detector

স্টক ডিটেক্টর প্রশিক্ষণ করুন

স্কেচনোট করেছেন নিত্য নারাসিমহান। বড় সংস্করণের জন্য ছবিতে ক্লিক করুন।

এই ভিডিওটি অবজেক্ট ডিটেকশন এবং Azure Custom Vision সার্ভিসের একটি ওভারভিউ দেয়, যা এই পাঠে আলোচনা করা হবে।

🎥 উপরের ছবিতে ক্লিক করে ভিডিওটি দেখুন

লেকচারের পূর্ববর্তী কুইজ

লেকচারের পূর্ববর্তী কুইজ

ভূমিকা

পূর্ববর্তী প্রকল্পে, আপনি একটি ইমেজ ক্লাসিফায়ার প্রশিক্ষণ দিয়েছিলেন - একটি মডেল যা বলতে পারে একটি ছবিতে কিছু আছে কিনা, যেমন পাকা ফল বা কাঁচা ফল। আরেক ধরনের AI মডেল যা ছবির সাথে ব্যবহার করা যায় তা হলো অবজেক্ট ডিটেকশন। এই মডেলগুলো ছবিকে ট্যাগ দিয়ে শ্রেণীবদ্ধ করে না, বরং তারা বস্তু শনাক্ত করতে প্রশিক্ষিত হয় এবং ছবিতে সেগুলো কোথায় আছে তা খুঁজে বের করতে পারে। এটি আপনাকে ছবিতে বস্তুর সংখ্যা গণনা করতে সাহায্য করে।

এই পাঠে আপনি অবজেক্ট ডিটেকশন সম্পর্কে শিখবেন, যার মধ্যে এটি কীভাবে খুচরা বিক্রয়ে ব্যবহার করা যায় তা অন্তর্ভুক্ত। এছাড়াও আপনি ক্লাউডে একটি অবজেক্ট ডিটেক্টর প্রশিক্ষণ দেওয়ার পদ্ধতি শিখবেন।

এই পাঠে আমরা আলোচনা করব:

• অবজেক্ট ডিটেকশন
• খুচরা বিক্রয়ে অবজেক্ট ডিটেকশন ব্যবহার
• অবজেক্ট ডিটেক্টর প্রশিক্ষণ
• আপনার অবজেক্ট ডিটেক্টর পরীক্ষা করুন
• আপনার অবজেক্ট ডিটেক্টর পুনঃপ্রশিক্ষণ

অবজেক্ট ডিটেকশন

অবজেক্ট ডিটেকশন হলো AI ব্যবহার করে ছবিতে বস্তু শনাক্ত করার প্রক্রিয়া। আপনি পূর্ববর্তী প্রকল্পে যে ইমেজ ক্লাসিফায়ার প্রশিক্ষণ দিয়েছিলেন, এটি পুরো ছবির জন্য সেরা ট্যাগ অনুমান করার জন্য ছিল, কিন্তু অবজেক্ট ডিটেকশন এক বা একাধিক বস্তু খুঁজে বের করার জন্য ব্যবহৃত হয়।

অবজেক্ট ডিটেকশন বনাম ইমেজ ক্লাসিফিকেশন

ইমেজ ক্লাসিফিকেশন হলো পুরো ছবিকে শ্রেণীবদ্ধ করা - পুরো ছবিটি প্রতিটি ট্যাগের সাথে কতটা মিলে যায় তার সম্ভাবনা নির্ধারণ করা। আপনি মডেল প্রশিক্ষণের জন্য ব্যবহৃত প্রতিটি ট্যাগের জন্য সম্ভাবনা ফিরে পাবেন।

উপরের উদাহরণে, দুটি ছবি একটি মডেল ব্যবহার করে শ্রেণীবদ্ধ করা হয়েছে যা কাজু বাদামের টব বা টমেটো পেস্টের ক্যান শ্রেণীবদ্ধ করতে প্রশিক্ষিত। প্রথম ছবিটি একটি কাজু বাদামের টব এবং এতে ইমেজ ক্লাসিফায়ার থেকে দুটি ফলাফল পাওয়া গেছে:

ট্যাগ	সম্ভাবনা
কাজু বাদাম	৯৮.৪%
টমেটো পেস্ট	১.৬%

দ্বিতীয় ছবিটি একটি টমেটো পেস্টের ক্যান এবং ফলাফল হলো:

ট্যাগ	সম্ভাবনা
কাজু বাদাম	০.৭%
টমেটো পেস্ট	৯৯.৩%

আপনি এই মানগুলো একটি থ্রেশহোল্ড শতাংশের সাথে ব্যবহার করে অনুমান করতে পারেন ছবিতে কী আছে। কিন্তু যদি একটি ছবিতে একাধিক টমেটো পেস্টের ক্যান বা কাজু বাদাম এবং টমেটো পেস্ট উভয়ই থাকে? ফলাফল সম্ভবত আপনার চাহিদা পূরণ করবে না। এখানেই অবজেক্ট ডিটেকশন কার্যকর হয়।

অবজেক্ট ডিটেকশন একটি মডেলকে বস্তু শনাক্ত করতে প্রশিক্ষণ দেয়। এটি বস্তু ধারণকারী ছবিগুলোকে দিয়ে এবং প্রতিটি ছবিকে একটি ট্যাগ বা অন্য কিছু বলে না, বরং ছবির নির্দিষ্ট অংশটি হাইলাইট করে এবং সেটিকে ট্যাগ করে। আপনি একটি ছবিতে একটি বস্তু বা একাধিক বস্তু ট্যাগ করতে পারেন। এইভাবে মডেলটি বস্তুর নিজস্ব চেহারা শিখে, শুধুমাত্র বস্তু ধারণকারী ছবির চেহারা নয়।

যখন আপনি এটি দিয়ে ছবি অনুমান করেন, তখন ট্যাগ এবং শতাংশের একটি তালিকা ফিরে পাওয়ার পরিবর্তে, আপনি শনাক্তকৃত বস্তুর একটি তালিকা, তাদের বাউন্ডিং বক্স এবং বক্সে নির্ধারিত ট্যাগের সাথে মিলে যাওয়ার সম্ভাবনা ফিরে পান।

🎓 বাউন্ডিং বক্স হলো বস্তুর চারপাশের বক্স।

উপরের ছবিতে একটি কাজু বাদামের টব এবং তিনটি টমেটো পেস্টের ক্যান রয়েছে। অবজেক্ট ডিটেক্টর কাজু বাদাম শনাক্ত করেছে এবং বাউন্ডিং বক্সটি ফিরিয়ে দিয়েছে যা কাজু বাদাম ধারণ করে, এই ক্ষেত্রে ৯৭.৬% সম্ভাবনা। অবজেক্ট ডিটেক্টর তিনটি টমেটো পেস্টের ক্যানও শনাক্ত করেছে এবং তিনটি আলাদা বাউন্ডিং বক্স প্রদান করেছে, প্রতিটি শনাক্তকৃত ক্যানের জন্য একটি করে এবং প্রতিটির জন্য একটি শতাংশ সম্ভাবনা যে বাউন্ডিং বক্সটি একটি টমেটো পেস্টের ক্যান ধারণ করে।

✅ এমন কিছু ভিন্ন পরিস্থিতি নিয়ে ভাবুন যেখানে আপনি ইমেজ-ভিত্তিক AI মডেল ব্যবহার করতে চান। কোনগুলো ক্লাসিফিকেশনের জন্য প্রয়োজন এবং কোনগুলো অবজেক্ট ডিটেকশনের জন্য প্রয়োজন?

অবজেক্ট ডিটেকশন কীভাবে কাজ করে

অবজেক্ট ডিটেকশন জটিল মেশিন লার্নিং মডেল ব্যবহার করে। এই মডেলগুলো ছবিকে একাধিক সেলে ভাগ করে, তারপর চেক করে বাউন্ডিং বক্সের কেন্দ্রটি মডেল প্রশিক্ষণের জন্য ব্যবহৃত ছবিগুলোর সাথে মিলে যায় কিনা। আপনি এটি এমনভাবে ভাবতে পারেন যেন ছবির বিভিন্ন অংশে একটি ইমেজ ক্লাসিফায়ার চালানো হচ্ছে মিল খুঁজে বের করার জন্য।

💁 এটি একটি অত্যন্ত সরলীকৃত ব্যাখ্যা। অবজেক্ট ডিটেকশনের জন্য অনেক কৌশল রয়েছে এবং আপনি সেগুলো সম্পর্কে আরও জানতে পারেন উইকিপিডিয়ার অবজেক্ট ডিটেকশন পেজে।

অবজেক্ট ডিটেকশনের জন্য বিভিন্ন মডেল রয়েছে। একটি বিশেষভাবে বিখ্যাত মডেল হলো YOLO (You Only Look Once), যা অত্যন্ত দ্রুত এবং ২০টি ভিন্ন শ্রেণীর বস্তু শনাক্ত করতে পারে, যেমন মানুষ, কুকুর, বোতল এবং গাড়ি।

✅ YOLO মডেল সম্পর্কে পড়ুন pjreddie.com/darknet/yolo/ ওয়েবসাইটে।

অবজেক্ট ডিটেকশন মডেলগুলো ট্রান্সফার লার্নিং ব্যবহার করে কাস্টম বস্তু শনাক্ত করার জন্য পুনঃপ্রশিক্ষণ করা যেতে পারে।

খুচরা বিক্রয়ে অবজেক্ট ডিটেকশন ব্যবহার

অবজেক্ট ডিটেকশন খুচরা বিক্রয়ে বিভিন্নভাবে ব্যবহার করা যেতে পারে। এর মধ্যে কিছু হলো:

• স্টক চেকিং এবং গণনা - তাকের স্টক কম থাকলে শনাক্ত করা। যদি স্টক খুব কম থাকে, তাহলে কর্মী বা রোবটদের তাক পুনরায় পূরণ করার জন্য নোটিফিকেশন পাঠানো যায়।
• মাস্ক শনাক্তকরণ - জনস্বাস্থ্য পরিস্থিতিতে মাস্ক নীতিমালা থাকা দোকানে, অবজেক্ট ডিটেকশন মাস্ক পরা এবং না পরা মানুষ শনাক্ত করতে পারে।
• স্বয়ংক্রিয় বিলিং - স্বয়ংক্রিয় দোকানে তাক থেকে নেওয়া আইটেম শনাক্ত করা এবং গ্রাহকদের সঠিকভাবে বিলিং করা।
• ঝুঁকি শনাক্তকরণ - মেঝেতে ভাঙা আইটেম বা ছড়ানো তরল শনাক্ত করা এবং পরিষ্কারকর্মীদের সতর্ক করা।

✅ কিছু গবেষণা করুন: খুচরা বিক্রয়ে অবজেক্ট ডিটেকশনের আরও কী কী ব্যবহার হতে পারে?

অবজেক্ট ডিটেক্টর প্রশিক্ষণ

আপনি Custom Vision ব্যবহার করে একটি অবজেক্ট ডিটেক্টর প্রশিক্ষণ দিতে পারেন, যেভাবে আপনি একটি ইমেজ ক্লাসিফায়ার প্রশিক্ষণ দিয়েছিলেন।

কাজ - একটি অবজেক্ট ডিটেক্টর তৈরি করুন

1. এই প্রকল্পের জন্য stock-detector নামে একটি রিসোর্স গ্রুপ তৈরি করুন।

2. stock-detector রিসোর্স গ্রুপে একটি ফ্রি Custom Vision ট্রেনিং রিসোর্স এবং একটি ফ্রি Custom Vision প্রেডিকশন রিসোর্স তৈরি করুন। এগুলোর নাম দিন stock-detector-training এবং stock-detector-prediction।

   💁 আপনি শুধুমাত্র একটি ফ্রি ট্রেনিং এবং প্রেডিকশন রিসোর্স রাখতে পারবেন, তাই নিশ্চিত করুন যে আপনি পূর্ববর্তী পাঠের প্রকল্পটি মুছে ফেলেছেন।

   ⚠️ প্রকল্প ৪, পাঠ ১ থেকে ট্রেনিং এবং প্রেডিকশন রিসোর্স তৈরির নির্দেশাবলী প্রয়োজনে দেখতে পারেন।

3. CustomVision.ai পোর্টাল চালু করুন এবং আপনার Azure অ্যাকাউন্টে ব্যবহৃত Microsoft অ্যাকাউন্ট দিয়ে সাইন ইন করুন।

4. Microsoft ডকুমেন্টেশনের Build an object detector quickstart এর Create a new Project সেকশন অনুসরণ করে একটি নতুন Custom Vision প্রকল্প তৈরি করুন। UI পরিবর্তন হতে পারে এবং এই ডকুমেন্টেশন সর্বদা সর্বশেষ রেফারেন্স।

   আপনার প্রকল্পের নাম দিন stock-detector।

   যখন আপনি আপনার প্রকল্প তৈরি করবেন, নিশ্চিত করুন যে আপনি পূর্বে তৈরি করা stock-detector-training রিসোর্সটি ব্যবহার করছেন। Object Detection প্রকল্প টাইপ এবং Products on Shelves ডোমেইন ব্যবহার করুন।

   

   ✅ Products on Shelves ডোমেইন বিশেষভাবে দোকানের তাকের স্টক শনাক্ত করার জন্য লক্ষ্যবস্তু। Microsoft ডকুমেন্টেশনের Select a domain ডকুমেন্টেশন এ বিভিন্ন ডোমেইন সম্পর্কে আরও পড়ুন।

✅ আপনার অবজেক্ট ডিটেক্টরের জন্য Custom Vision UI অন্বেষণ করতে কিছু সময় নিন।

কাজ - আপনার অবজেক্ট ডিটেক্টর প্রশিক্ষণ দিন

আপনার মডেল প্রশিক্ষণের জন্য এমন একটি ছবির সেট প্রয়োজন যা আপনি শনাক্ত করতে চান এমন বস্তু ধারণ করে।

1. এমন ছবি সংগ্রহ করুন যা শনাক্ত করতে চান এমন বস্তু ধারণ করে। প্রতিটি বস্তু শনাক্ত করার জন্য বিভিন্ন কোণ থেকে এবং বিভিন্ন আলোতে অন্তত ১৫টি ছবি প্রয়োজন, তবে যত বেশি তত ভালো। এই অবজেক্ট ডিটেক্টর Products on Shelves ডোমেইন ব্যবহার করে, তাই বস্তুগুলো দোকানের তাকের মতো করে সাজানোর চেষ্টা করুন। এছাড়াও মডেল পরীক্ষা করার জন্য কিছু ছবি প্রয়োজন হবে। আপনি যদি একাধিক বস্তু শনাক্ত করেন, তাহলে এমন কিছু পরীক্ষার ছবি প্রয়োজন হবে যা সব বস্তু ধারণ করে।

   💁 বিভিন্ন বস্তু ধারণকারী ছবি একই ছবিতে থাকা সব বস্তুর জন্য ১৫টি ছবির ন্যূনতম সংখ্যার মধ্যে গণনা করা হয়।

   আপনার ছবিগুলো png বা jpeg ফরম্যাটে হওয়া উচিত, ৬MB এর চেয়ে ছোট। উদাহরণস্বরূপ, যদি আপনি সেগুলো iPhone দিয়ে তৈরি করেন, তাহলে সেগুলো উচ্চ-রেজোলিউশনের HEIC ফরম্যাটে হতে পারে, যা রূপান্তরিত এবং সম্ভবত ছোট করতে হবে। যত বেশি ছবি তত ভালো, এবং পাকা এবং কাঁচা উভয়ের জন্য একই সংখ্যক থাকা উচিত।

   মডেলটি তাকের পণ্যের জন্য ডিজাইন করা, তাই বস্তুগুলোর ছবি তাকের উপর তোলার চেষ্টা করুন।

   আপনি কিছু উদাহরণ ছবি images ফোল্ডারে খুঁজে পেতে পারেন, যেখানে কাজু বাদাম এবং টমেটো পেস্টের ছবি রয়েছে যা আপনি ব্যবহার করতে পারেন।

2. Microsoft ডকুমেন্টেশনের Build an object detector quickstart এর Upload and tag images সেকশন অনুসরণ করে আপনার প্রশিক্ষণের ছবিগুলো আপলোড করুন। শনাক্ত করতে চান এমন বস্তুর ধরন অনুযায়ী প্রাসঙ্গিক ট্যাগ তৈরি করুন।

   

   যখন আপনি বস্তুর জন্য বাউন্ডিং বক্স আঁকবেন, তখন সেগুলো বস্তুর চারপাশে সুন্দরভাবে আঁকুন। সব ছবির জন্য বাউন্ডিং বক্স আঁকতে কিছুটা সময় লাগতে পারে, তবে টুলটি অনুমান করবে কোনগুলো বাউন্ডিং বক্স, যা কাজটি দ্রুত করবে।

   

   💁 যদি প্রতিটি বস্তুর জন্য আপনার ১৫টির বেশি ছবি থাকে, তাহলে আপনি ১৫টি ছবি আপলোড করার পর প্রশিক্ষণ দিতে পারেন এবং Suggested tags ফিচারটি ব্যবহার করতে পারেন। এটি প্রশিক্ষিত মডেল ব্যবহার করে ট্যাগবিহীন ছবিতে বস্তু শনাক্ত করবে। আপনি শনাক্তকৃত বস্তুগুলো নিশ্চিত করতে পারবেন বা প্রত্যাখ্যান করে নতুন করে বাউন্ডিং বক্স আঁকতে পারবেন। এটি অনেক সময় বাঁচাতে পারে।

3. Microsoft ডকুমেন্টেশনের Build an object detector quickstart এর Train the detector সেকশন অনুসরণ করে আপনার ট্যাগ করা ছবিগুলোর উপর অবজেক্ট ডিটেক্টর প্রশিক্ষণ দিন।

   আপনাকে প্রশিক্ষণের ধরন বেছে নিতে বলা হবে। Quick Training নির্বাচন করুন।

অবজেক্ট ডিটেক্টর প্রশিক্ষণ শুরু করবে। প্রশিক্ষণ সম্পন্ন হতে কয়েক মিনিট সময় লাগবে।

আপনার অবজেক্ট ডিটেক্টর পরীক্ষা করুন

আপনার অবজেক্ট ডিটেক্টর প্রশিক্ষণ সম্পন্ন হলে, আপনি নতুন ছবিতে বস্তু শনাক্ত করার জন্য এটি পরীক্ষা করতে পারেন।

কাজ - আপনার অবজেক্ট ডিটেক্টর পরীক্ষা করুন

1. Quick Test বোতামটি ব্যবহার করে পরীক্ষার ছবিগুলো আপলোড করুন এবং নিশ্চিত করুন যে বস্তুগুলো শনাক্ত হয়েছে। পূর্বে প্রশিক্ষণের জন্য ব্যবহৃত কোনো ছবির পরিবর্তে পরীক্ষার জন্য তৈরি ছবিগুলো ব্যবহার করুন।

   

2. আপনার কাছে থাকা সব পরীক্ষার ছবি ব্যবহার করে দেখুন এবং সম্ভাবনাগুলো পর্যবেক্ষণ করুন।

আপনার অবজেক্ট ডিটেক্টর পুনঃপ্রশিক্ষণ

যখন আপনি আপনার অবজেক্ট ডিটেক্টর পরীক্ষা করবেন, এটি হয়তো আপনার প্রত্যাশিত ফলাফল দেবে না, যেমন পূর্ববর্তী প্রকল্পে ইমেজ ক্লাসিফায়ারগুলোর ক্ষেত্রে হয়েছিল। আপনি ভুল ফলাফল পাওয়া ছবিগুলো দিয়ে মডেলটি পুনঃপ্রশিক্ষণ করে এটি উন্নত করতে পারেন।

প্রতিবার আপনি Quick Test অপশন ব্যবহার করে পূর্বাভাস করবেন, ছবিটি এবং ফলাফলগুলো সংরক্ষণ করা হবে। আপনি এই ছবিগুলো ব্যবহার করে আপনার মডেল পুনঃপ্রশিক্ষণ করতে পারেন।

1. Predictions ট্যাব ব্যবহার করে পরীক্ষার জন্য ব্যবহৃত ছবিগুলো খুঁজুন।

2. সঠিক শনাক্তকরণগুলো নিশ্চিত করুন, ভুলগুলো মুছে ফেলুন এবং যেগুলো মিস হয়েছে সেগুলো যোগ করুন।

3. মডেলটি পুনঃপ্রশিক্ষণ এবং পুনরায় পরীক্ষা করুন।

---

🚀 চ্যালেঞ্জ

আপনি যদি অবজেক্ট ডিটেক্টর একই রকম দেখতে আইটেমের সাথে পোস্ট-লেকচার কুইজ

পর্যালোচনা ও স্ব-অধ্যয়ন

• যখন আপনি আপনার অবজেক্ট ডিটেক্টর প্রশিক্ষণ দিয়েছেন, তখন আপনি Precision, Recall, এবং mAP এর মান দেখেছেন যা তৈরি হওয়া মডেলকে মূল্যায়ন করে। এই মানগুলো কী তা জানার জন্য Microsoft ডকসের Build an object detector quickstart এর Evaluate the detector অংশ পড়ুন।
• অবজেক্ট ডিটেকশন সম্পর্কে আরও জানুন উইকিপিডিয়ার Object detection পেজে।

অ্যাসাইনমেন্ট

ডোমেইন তুলনা করুন

---

অস্বীকৃতি:
এই নথিটি AI অনুবাদ পরিষেবা Co-op Translator ব্যবহার করে অনুবাদ করা হয়েছে। আমরা যথাসাধ্য সঠিক অনুবাদের চেষ্টা করি, তবে দয়া করে মনে রাখবেন যে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে। নথিটির মূল ভাষায় লেখা সংস্করণটিকেই প্রামাণিক উৎস হিসেবে বিবেচনা করা উচিত। গুরুত্বপূর্ণ তথ্যের জন্য, পেশাদার মানব অনুবাদ সুপারিশ করা হয়। এই অনুবাদ ব্যবহারের ফলে সৃষ্ট কোনো ভুল বোঝাবুঝি বা ভুল ব্যাখ্যার জন্য আমরা দায়ী নই।