31 KiB
ಸ್ಟಾಕ್ ಡಿಟೆಕ್ಟರ್ ತರಬೇತಿಗೊಳಿಸೋಣ
ಸ್ಕೆಚ್ನೋಟಿ ನಿತ್ಯ ನರಸಿಂಹನ್ ಅವರವರು ರಚಿಸಿದ್ದಾರೆ. ದೊಡ್ಡದಾದ ರೂಪಕ್ಕೆ ಚಿತ್ರವನ್ನು ಕ್ಲಿಕ್ ಮಾಡಿ.
ಈ ವೀಡಿಯೋವು ಆಜೂರ್ ಕಸ್ಟಮ್ ವೀಷನ್ ಸರ್ವಿಸ್ನ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಷನ್ ಕುರಿತು ಒಂದು ಅವಲೋಕನ ನೀಡುತ್ತದೆ, ಈ ಪಾಠದಲ್ಲಿ ಈ ಸೇವೆಯನ್ನು ಕುರಿತು ಚರ್ಚೆ ಮಾಡಲಾಗುವುದು.
🎥 ವೀಡಿಯೋ ವೀಕ್ಷಿಸಲು ಮೇಲೆ ಇರುವ ಚಿತ್ರವನ್ನು ಕ್ಲಿಕ್ ಮಾಡಿ
ಪೂರ್ವ-ಸಬಾಪಾಠ ಪ್ರಶ್ನೆಪಟ್ಟಿ
ಪರಿಚಯ
ಹಿಂದಿನ ಪ್ರಾಜೆಕ್ಟಿನಲ್ಲಿ, ನೀವು AI ಬಳಸಿಕೊಂಡು ಚಿತ್ರ ವರ್ಗಿಕರಣ ತಯಾರಿಸಿದ್ದು - ಚಿತ್ರದಲ್ಲಿ ಏನಾದರೂ ಇದ್ದುದನ್ನು ತೋರಬಹುದು, ಉದಾಹರಣೆಗೆ ಪಕ्व ಹಣ್ಣು ಅಥವಾ ಅರಳಿ ಹಣ್ಣು. ಚಿತ್ರಗಳೊಂದಿಗೆ ಬಳಸಬಹುದಾದ ಮತ್ತೊಂದು AI ಮಾದರಿ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಷನ್. ಈ ಮಾದರಿಗಳು ಚಿತ್ರದ ಟ್ಯಾಗ್ ಮೂಲಕ ವರ್ಗೀಕರಣ ಮಾಡುತ್ತವೆಯಾದರೆ, ಬದಲಿಗೆ ಅವು ವಸ್ತುಗಳನ್ನು ಗುರುತಿಸಲು ತರಬೇತುಗೊಳಿಸಲಾಗಿದ್ದು, ಒಂದಲ್ಲ ಹೆಚ್ಚು ವಸ್ತುಗಳಿದ್ದರೆ ಅವುಗಳ ಸ್ಥಳವನ್ನು ಗುರುತಿಸುವುದೂ ಮತ್ತು ಗಣನೆ ಮಾಡುವುದೂ ಸಾಧ್ಯ.
ಈ ಪಾಠದಲ್ಲಿ ನೀವು ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಷನ್ ಕುರಿತು ಕಲಿಯುತ್ತೀರಿ, ಜೊತೆಗೆ ಅದರ ಖಾಸಗಿ ವ್ಯಾಪಾರದಲ್ಲಿ ಉಪಯೋಗ ಹೇಗೆ ಆಗಬಹುದು ಎಂಬುದನ್ನು ತಿಳಿಯುತ್ತೀರಿ. ಹಾಗೆಯೇ ಕ್ಲೌಡ್ನಲ್ಲಿ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಟರ್ ತರಬೇತಿ ಹಾಗೂ ಪರೀಕ್ಷೆ ಮಾಡುವ ವಿಧಾನಗಳನ್ನು ಕಲಿಯೋಣ.
ಈ ಪಾಠದಲ್ಲಿ ನಾವು ಈ ವಿಷಯಗಳನ್ನು ನೋಡಲು ಹೋಗುತ್ತಿದ್ದೇವೆ:
- ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಷನ್
- ವ್ಯಾಪಾರದಲ್ಲಿನ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಷನ್ ಉಪಯೋಗ
- ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಟರ್ ತರಬೇತಿಗೊಳಿಸಿ
- ನಿಮ್ಮ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಟರ್ ಪರೀಕ್ಷಿಸಿ
- ನಿಮ್ಮ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಟರ್ ಮತ್ತೆ ತರಬೇತಿಗೊಳಿಸಿ
ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಷನ್
ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಷನ್ ಅಂದರೆ ಚಿತ್ರಗಳಲ್ಲಿ ವಸ್ತುಗಳನ್ನು AI ಬಳಸಿ ಗುರುತಿಸುವುದು. ಹಿಂದೆ ನೀವು ತರಬೇತಿಗೊಳಿಸಿದ ಚಿತ್ರ ವರ್ಗೀಕರಣದಂತೆ ಸಮಗ್ರವಾಗಿ ಚಿತ್ರಕ್ಕೆ ಟ್ಯಾಗ್ ಕೊಡಿಸುವುದಿಲ್ಲ, ಬದಲಿಗೆ ಚಿತ್ರದಲ್ಲಿ ಒಂದರಷ್ಟು ವಸ್ತುಗಳನ್ನು ಹುಡುಕುವುದು.
ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಷನ್ ಮತ್ತು ಚಿತ್ರ ವರ್ಗೀಕರಣ
ಚಿತ್ರ ವರ್ಗೀಕರಣವು ಒಂದು ಚಿತ್ರವನ್ನು ಸಮಗ್ರವಾಗಿ ವರ್ಗೀಕರಿಸುವುದು - ಯಾವುದೇ ಟ್ಯಾಗ್ಗೆ ಚಿತ್ರ ಹೊಂದುವ ಸಾಧ್ಯತೆಗಳ ಅಂದಾಜು ನೀಡುತ್ತದೆ. ನೀವು ತರಬೇತಿಗೆ ಬಳಸಿದ ಪ್ರತಿ ಟ್ಯಾಗ್ಗೆ ಪ್ರಾಬಬಿಲಿಟಿಗಳು ವಾಪಸು ಪಡೆಯುತ್ತೀರಿ.
ಉದಾಹರಣೆಯಲ್ಲಿ, ಎರಡು ಚಿತ್ರಗಳನ್ನು ಒಂದು ಮಾದರಿಯಿಂದ ವರ್ಗೀಕರಿಸಲಾಗಿದೆ, ಅದು ಕಾಜು ಕರ್ಮಗಳ ಅಥವಾ ಟೊಮ್ಯಾಟೋದ ಪೇಸ್ಟ್ ಕ್ಯಾನ್ ಗಳನ್ನು ಗುರುತಿಸಲು ತರಬೇತಿಗೊಳಿಸಲಾಗಿದೆ. ಮೊದಲ ಚಿತ್ರ ಕಾಜು ಕರ್ಮಗಳ ತುಬ್ನು ತೋರಿಸುತ್ತದೆ, ಮತ್ತು ಚಿತ್ರದ ವರ್ಗೀಕರಣ ನನಗೆ ಎರಡು ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡಿತು:
| ಟ್ಯಾಗ್ | ಸಾಧ್ಯತೆ |
|---|---|
cashew nuts |
98.4% |
tomato paste |
1.6% |
ಎರಡನೇ ಚಿತ್ರ ಒಂದು ಟೊಮ್ಯಾಟೋ ಪೇಸ್ಟ್ ಕ್ಯಾಂನಿನ ಚಿತ್ರ, ಫಲಿತಾಂಶಗಳು:
| ಟ್ಯಾಗ್ | ಸಾಧ್ಯತೆ |
|---|---|
cashew nuts |
0.7% |
tomato paste |
99.3% |
ನೀವು ಈ ಮೌಲ್ಯಗಳನ್ನು ಒಂದು ಥ್ರೆಶೋಲ್ಡ್ ಶೇಕಡಾವಾರಿಯಾಗಿ ಉಪಯೋಗಿಸಿ ಚಿತ್ರದ ವಿಷಯವನ್ನು ಊಹಿಸಬಹುದು. ಆದರೆ, ಚಿತ್ರದಲ್ಲಿ ಹಲವು ಟೊಮ್ಯಾಟೋ ಪೇಸ್ಟ್ ಕ್ಯಾನ್ಗಳು ಅಥವಾ ಕಾಜು ಮತ್ತು ಟೊಮ್ಯಾಟೋ ಎರಡೂ ಇದ್ದರೆ? ಆ ಫಲಿತಾಂಶಗಳು ತೃಪ್ತಿದಾಯಕವಿರಲಾರವು. ಇದೇ ಸಂದರ್ಭದಲ್ಲಿ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಷನ್ ಸಹಾಯಮಾಡುತ್ತದೆ.
ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಷನ್ ಒಂದು ಮಾದರಿಯನ್ನು ವಸ್ತುಗಳನ್ನು ಗುರುತಿಸುವಂತೆ ತರಬೇತಿಗೊಳಿಸುವುದು ಆಗಿದೆ. ಕೆಲ ಚಿತ್ರಗಳಲ್ಲಿ ಫೋಕಸ್ ಭಾಗ (ಬೌಂಡಿಂಗ್ ಬಾಕ್ಸ್) ಅನ್ನು ಗುರುತಿಸಿ, ಅದಕ್ಕೆ ಟ್ಯಾಗ್ ನಿಡಲಾಗುತ್ತದೆ. ನೀವು ಒರಟುವ ಅಥವಾ ಅನೇಕ ವಸ್ತುಗಳಿಗೆ ಟ್ಯಾಗ್ ನೀಡಬಹುದು. ಇದರ ಮೂಲಕ ಮಾದರಿ ಅವುಗಳ ಸ್ವಭಾವವೇನು ಎಂಬುದನ್ನು ಕಲಿತುಕೊಳ್ಳುತ್ತದೆ, ಕೇವಲ ವಸ್ತು-containing ಚಿತ್ರಗಳ ಸ್ವರೂಪವಲ್ಲ.
ನಂತರ ಚಿತ್ರದ ಊಹಿಸುವಾಗ, ನೀವು ಟ್ಯಾಗ್ ಮತ್ತು ಶೇಕಡಾವಾರು ಪೈಕಿನ ಪಟ್ಟಿಯನ್ನು ತಿರುಗಿಸದೆ, ಪ್ರತಿ ಪತ್ತೆಯಾದ ವಸ್ತು ಸಹಿತ ಅದರ ಬೌಂಡಿಂಗ್ ಬಾಕ್ಸ್ ಜೊತೆಗೆ ಶೇಕಡಾವಾರು ಸಹಿತ ಪತ್ತೆಮಾಡುತ್ತಾರೆ.
🎓 ಬೌಂಡಿಂಗ್ ಬಾಕ್ಸ್ಗಳು ಎಂದರೆ ವಸ್ತುವಿನ ಸುತ್ತಲಿನ ಚೌಕಗಳು.
ಮೇಲಿನ ಚಿತ್ರವು ಕಾಜು ತುಬ್ನೊಂದಿಗೆ ಮೂರು ಟೊಮ್ಯಾಟೋ ಪೇಸ್ಟ್ ಕ್ಯಾನ್ಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಟರ್ ಕಾಜುಗಳ ಬೌಂಡಿಂಗ್ ಬಾಕ್ಸ್ ಮತ್ತು ಇವು ಹೊಂದಿರುವ ಸಾಧ್ಯತೆಯೊಂದಿಗೆ 97.6% ವರೆಗೆ ಪತ್ತೆಮಾಡಿದೆ. ಅದೇ ರೀತಿ ಟೊಮ್ಯಾಟೋ ಪೇಸ್ಟ್ ಮೂರು ಕ್ಯಾನ್ಗಳಿಗೆ ಪ್ರತ್ಯೇಕ ಬಾಕ್ಸ್ ಗಳ್ನು ಹಾಗೂ ಶೇಕಡಾವಾರು ಸಂಭಾವನೆಯನ್ನು ತೋರಿಸಿದೆ.
✅ ನಿಮ್ಮ ಆಧಾರಿತ ಚಿತ್ರ AI ಮಾದರಿಗಳಿಗಾಗಿ ಹಲವು ವಿಭಿನ್ನ ಸ್ಥಿತಿಗಳನ್ನು ಯೋಚಿಸಿ. ಯಾವುಗಳಿಗೆ ವರ್ಗೀಕರಣ ಅಗತ್ಯ? ಯಾವುಗಳಿಗೆ ಆಬ್ಜೆಕ್ಟ್ ಡಟೆಕ್ಷನ್?
ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಷನ್ ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ
ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಷನ್ ಸಂಕೀರ್ಣ ML ಮಾದರಿಗಳನ್ನು ಬಳಸುತ್ತದೆ. ಮಾದರಿ ಚಿತ್ರವನ್ನು ಹಲವಾರು ಕಣಗಳಾಗಿ ವಿಭಜಿಸಿ, ಪ್ರತಿಯೊಂದು ಭಾಗದಲ್ಲಿ ಬೌಂಡಿಂಗ್ ಬಾಕ್ಸ್ ಕೇಂದ್ರವು ಮೂರು ತರಬೇತಿ ಚಿತ್ರಗಳ ಒಂದರೊಂದಿಗೆ ಹೊಂದಿಕೆಯಾಗುವದನ್ನು ಪರಿಶೀಲಿಸುತ್ತದೆ. ಇದು ಚಿತ್ರದ ವಿವಿಧ ಭಾಗಗಳಲ್ಲಿ ಚಿತ್ರ ವರ್ಗೀಕರಣ ಮಾಡುತ್ತಿರುವಂತೆಯೇ.
💁 ಇದು ತುಂಬಾ ಸರಳೀಕರಣವಾಗಿದೆ. ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಷನ್ಗಾಗಿ ಹಲವು ತಂತ್ರಗಳು ಇರುತ್ತವೆ. ವಿಕಿಪೀಡಿಯದ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಷನ್ ಪುಟ ನಲ್ಲಿ ಹೆಚ್ಚಿನ ವಿವರ ಓದಿ.
ವಿವಿಧ ಮಾದರಿಗಳು ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಷನ್ ಮಾಡಬಹುದು. ಬಹುಪ್ರಸಿದ್ಧ ಮಾದರಿಗಳಲ್ಲಿ YOLO (ನೀವು ಒಮ್ಮೆ ಮಾತ್ರ ಬಿಚ್ಚುವುದು) ಬಹಳ ವೇಗವಾಗಿ 20 ವಿಭಿನ್ನ ವರ್ಗದ ವಸ್ತುಗಳನ್ನು ಗುರುತಿಸುತ್ತದೆ, ಉದಾ. ಜನರು, ನಾಯಿಗಳು, ಬಾಟಲಿಗಳು, ಕಾರುಗಳು.
✅ YOLO ಮಾದರಿಯನ್ನು pjreddie.com/darknet/yolo/ ನಲ್ಲಿ ಓದಿ ತಿಳಿಯಿರಿ.
ವೈಯುಕ್ತಿಕ ವಸ್ತುಗಳನ್ನು ಪತ್ತೆಮಾಡಲು ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಷನ್ ಮಾದರಿಗಳನ್ನು ಟ್ರಾನ್ಸ್ಫರ್ ಲರ್ನಿಂಗ್ ಬಳಸಿ ಮತ್ತೆ ತರಬೇತಿಗೊಳಿಸಬಹುದಾಗಿದೆ.
ವ್ಯಾಪಾರದಲ್ಲಿನ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಷನ್ ಉಪಯೋಗ
ವ್ಯಾಪಾರದಲ್ಲಿ ಹಲವು ರೀತಿಯಲ್ಲಿ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಷನ್ ಉಪಯೋಗವಾಗುತ್ತದೆ. ಕೆಲವು ಉದಾಹರಣೆಗಳು:
- ಸ್ಟಾಕ್ ಪರಿಶೀಲನೆ ಮತ್ತು ಎಣಿಕೆ - ಶೆಲ್ಫ್ಗಳಲ್ಲಿ ಸ್ಟಾಕ್ ಕಡಿಮೆಯಾಗಿರುವಾಗ ಗುರುತಿಸುವುದು. ಕಡಿಮೆ ಆಗಿದ್ದರೆ ಸಿಬ್ಬಂದಿಗೆ ಅಥವಾ ರೋಬೋಟ್ಗೆ ನೋಟಿಫಿಕೇಶನ್ ಕಳುಹಿಸಿ ಪುನಃ ಸ್ಟಾಕ್ ಭರ್ತಿ ಮಾಡಿಸುವುದು.
- ಮಾಸ್ಕ್ ಪತ್ತೆ - ಸಾರ್ವಜನಿಕ ಆರೋಗ್ಯ ಘಟನಾಗಳಲ್ಲಿ ಮಾಸ್ಕ್ ನೀತಿ ಪಾಲನೆಯ ಮಂದಿಯಲ್ಲಿ ಮಾಸ್ಕ್ ಧರಿಸಿದವರನ್ನು ಗುರುತಿಸುವುದು.
- ಸ್ವಯಂಚಾಲಿತ ಬಿಲ್ಲಿಂಗ್ - ಸ್ವಯಂಚಾಲಿತ ಅಂಗಡಿಗಳಲ್ಲಿ ಶೆಲ್ಫ್ನಿಂದ ವಸ್ತುಗಳನ್ನು ತೆಗೆದು ಕೊಂಡು ಅದರ ಸರಿಯಾದ ಬಿಲ್ಲಿಂಗ್ ಮಾಡುವಿಕೆ.
- ಹೆಚ್ಚುವರಿ ಅಪಾಯಗಳಿಗೆ ಪತ್ತೆ - ನೆಲದ ಮೇಲೆ ಮುರಿದ ವಸ್ತುಗಳು, ಬೀಳಿದ ದ್ರವಗಳು ಇತ್ಯಾದಿ ಗುರುತುಮಾಡಿ ಸ್ವಚ್ಛತಾ ಸಿಬ್ಬಂದಿಗೆ ಸೂಚಿಸುವುದು.
✅ ಹೆಚ್ಚಿನ ಉಪಯೋಗಗಳನ್ನು ತಿಳಿದುಕೊಳ್ಳಿ: ವ್ಯಾಪಾರದಲ್ಲಿ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಷನ್ ಇನ್ನೆಷ್ಟು ಉಪಯೋಗಗಳಿವೆ?
ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಟರ್ ತರಬೇತಿಗೊಳಿಸುವುದು
ನೀವು ಕಸ್ಟಮ್ ವೀಷನ್ ಬಳಸಿ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಟರ್ ತರಬೇತಿಗೊಳಿಸಬಹುದು, ಚಿತ್ರ ವರ್ಗೀಕರಣವನ್ನು ಹೇಗೆ ತರಬೇತಿಗೊಳಿಸಿರುವಿರಿ ಅದೇ ರೀತಿಯಲ್ಲಿ.
ಕಾರ್ಯ - ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಟರ್ ರಚನೆಗೆ
-
ಈ ಪ್ರಾಜೆಕ್ಟ್ಗೆ
stock-detectorಎಂಬ ರಿಸೋರ್ಸ್ ಗ್ರೂಪ್ ಸೃಷ್ಟಿಸಿ. -
stock-detectorರಿಸೋರ್ಸ್ ಗ್ರೂಪ್ನಲ್ಲಿ ಒಂದು ಉಚಿತ ಕಸ್ಟಮ್ ವೀಷನ್ ತರಬೇತಿ ಮತ್ತು ಒಂದು ಉಚಿತ ಕಸ್ಟಮ್ ವೀಷನ್ ಭವಿಷ್ಯವಾಣಿ ರಿಸೋರ್ಸ್ ಸೃಷ್ಟಿಸಿ. ಅವುಗಳಿಗೆstock-detector-trainingಮತ್ತುstock-detector-predictionಅಂದಾಗಿ ಹೆಸರು ನೀಡಿರಿ.💁 ನಿಮಗೆ ಒಂದೊಂದೇ ಉಚಿತ ತರಬೇತಿ ಮತ್ತು ಭವಿಷ್ಯವಾಣಿ ರಿಸೋರ್ಸ್ ಸೇರುತ್ತದೆ, ಆದ್ದರಿಂದ ಹಿಂದಿನ ಪಾಠಗಳೊಳಗಿನ ಎಂತಹ ಪ್ರಾಜೆಕ್ಟುಗಳಿದ್ದರೂ ಸ್ವಚ್ಛಗೊಳಿಸಿ.
⚠️ ಅಗತ್ಯವಿದ್ದರೆ ಪ್ರಾಜೆಕ್ಟ್ 4, ಪಾಠ 1 ರಲ್ಲಿ ತರಬೇತಿ ಮತ್ತು ಭವಿಷ್ಯವಾಣಿ ರಿಸೋರ್ಸ್ ಸೃಷ್ಟಿಸುವ ಸೂಚನೆಗಳನ್ನು ನೋಡಿ.
-
CustomVision.ai ನಲ್ಲಿ ಕಸ್ಟಮ್ ವೀಷನ್ ಪೋರ್ಟಲ್ ತೆರೆಯಿರಿ ಮತ್ತು ಆಜೂರ್ ಖಾತೆಗೆ ನೀವು ಉಪಯೋಗಿಸಿದ ಮೈಕ್ರೋಸಾಫ್ಟ್ ಖಾತೆಯಿಂದ ಲಾಗಿನ್ ಆಗಿ.
-
ಮೈಕ್ರೋಸಾಫ್ಟ್ ಡಾಕ್ಯುಮೆಂಟೇಷನ್ನ ಬಿಲ್ಡ್ ಆನ್ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಟರ್ ಕ್ವಿಕ್ ಸ್ಟಾರ್ಟ್ನ "ಕ್ರಿಯೇಟ್ ಎ ನ್ಯೂ ಪ್ರಾಜೆಕ್ಟ್" ವಿಭಾಗದ ಸೂಚನೆಗಳನ್ನು ಅನುಸರಿಸಿ ಹೊಸ ಕಸ್ಟಮ್ ವೀಷನ್ ಪ್ರಾಜೆಕ್ಟ್ ರಚಿಸಿ. UI ಬದಲಾಯಿಸಬಹುದು ಮತ್ತು ಡಾಕ್ಯುಮೆಂಟೇಷನ್常更新 ಆಗಿರುತ್ತದೆ.
ನಿಮ್ಮ ಪ್ರಾಜೆಕ್ಟ್ಗೆ
stock-detectorಎಂದು ಹೆಸರಿಡಿ.ಪ್ರಾಜೆಕ್ಟ್ ರಚಿಸುವಾಗ
stock-detector-trainingರಿಸೋರ್ಸ್ ಅನ್ನು ಉಪಯೋಗಿಸಿ. ಪ್ರಾಜೆಕ್ಟ್ ಪ್ರಕಾರವನ್ನು Object Detection, ಡೋಮೇನ್ ಅನ್ನು Products on Shelves ಆಯ್ಕೆಮಾಡಿ.
✅ Products on Shelves ಡೋಮೇನ್ ಅಂಗಡಿ ಶೆಲ್ಫ್ಗಳ ಮೇಲಿರುವ ಸ್ಟಾಕ್ ಗುರುತಿಸುವಿಗಾಗಿ ವಿಶೇಷವಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ. ವಿಭಿನ್ನ ಡೋಮೇನ್ಗಳ ಕುರಿತು Microsoft Docsನ Select a domain ಡಾಕ್ಯುಮೆಂಟ್ ಓದಿ.
✅ ನಿಮ್ಮ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಟರ್ UI ಸಾಮಾಜಿಕವಾಗಿ ಅನ್ವೇಷಿಸಲು ಸಮಯ ಮೀಡು.
ಕಾರ್ಯ - ನಿಮ್ಮ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಟರ್ ತರಬೇತಿಗೊಳಿಸಿ
ನಿಮ್ಮ ಮಾದರಿಯನ್ನು ತರಬೇತಿಗೊಳಿಸಲು, ನೀವು ಪತ್ತೆಮಾಡಬೇಕಾದ ವಸ್ತುಗಳನ್ನು ಹೊಂದಿರುವ ಚಿತ್ರಗಳನ್ನು ಬೇಕಾಗಿರುತ್ತದೆ.
-
ಪತ್ತೆಮಾಡಬೇಕಾದ ವಸ್ತು ಇರುವ ಕನಿಷ್ಠ 15 ಚಿತ್ರಗಳನ್ನು ಬೇರೆಬರೆ ಬಿಂದುವಿನಿಂದ ಮತ್ತು ಬೆಳಕಿನ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಸಂಗ್ರಹಿಸಿ, ಹೆಚ್ಚು ಚಿತ್ರಗಳಿದ್ದರೆ ಉತ್ತಮ. ಈ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಟರ್ Products on shelves ಡೋಮೇನ್ ಆಗಿದೆ, ಆದ್ದರಿಂದ ವಸ್ತುಗಳನ್ನು ಅಂಗಡಿ ಶೆಲ್ಫ್ ಮೇಲೆ ಇದ್ದಂತೆ ವ್ಯವಸ್ಥೆ ಮಾಡಿ ಛಾಯಾಚಿತ್ರ ತೆಗೆದುಕೊಳ್ಳಿ. ಮಾದರಿ ಪರೀಕ್ಷಿಸಲು ಕೆಲವು ಚಿತ್ರಗಳೂ ಬೇಕಾಗುತ್ತವೆ. ನೀವು ಒಂದು ಕ್ಕೆ ಹೆಚ್ಚು ವಸ್ತುಗಳನ್ನು ಗುರುತಿಸಿದರೆ, ಪರೀಕ್ಷೆಗಾಗಿ ಅವುಗಳ ಸಹಿತ ಚಿತ್ರಗಳು ಬೇಕಾಗಬಹುದು.
💁 ಒಂದೇ ಚಿತ್ರದಲ್ಲಿ ಹಲವಾರು ವಸ್ತುಗಳಿದ್ದರೂ ಎಲ್ಲಾ ವಸ್ತುಗಳ 15 ಚಿತ್ರಗಳ ಕನಿಷ್ಠ ಗಾತ್ರ ಪೂರ್ತಿಯಾಗುತ್ತದೆ.
ನಿಮ್ಮ ಚಿತ್ರಗಳು 6MB ಕಿಂತ ಕಡಿಮೆ ಗಾತ್ರದ png ಅಥವಾ jpeg ಆಗಿರಬೇಕು. ಉದಾಹರಣೆಗೆ ಐಫೋನ್ನಿಂದ HEIC ಫಾರ್ಮ್ಯಾಟ್ ಆಗಿದ್ದರೆ ಪರಿವರ್ತನೆ ಮತ್ತು کمپ್ರೆಷನ್ ಅಗತ್ಯ. ಹೆಚ್ಚು ಚಿತ್ರಗಳಿದ್ದರೆ ಉತ್ತಮ ಮತ್ತು ಪಕ್ವ ಮತ್ತು ಅರಳಿ ಎರಡು ರೂಪ ಇರುತ್ತವೆ.
ಮಾದರಿ ಅಂಗಡಿ ಶೆಲ್ಫ್ ವಸ್ತುಗಳಿಗಾಗಿ ವಿನ್ಯಾಸಗೊಂಡಿದೆ, ಆದ್ದರಿಂದ ವಸ್ತುಗಳನ್ನು ಅಂಗಡಿ ಶೆಲ್ಫ್ ಮೇಲೆ ಸಜ್ಜುಗೊಳಿಸಿ ಚಿತ್ರ ತೆಗೆಯಿರಿ.
ನೀವು ಬಳಸಬಹುದಾದ ಉದಾಹರಣೆಯ ಚಿತ್ರಗಳಿಗಾಗಿ images ಫೋಲ್ಡರ್ನಲ್ಲಿ ಕಾಜುಗಳ ಮತ್ತು ಟೊಮ್ಯಾಟೋ ಪೇಸ್ಟ್ ಚಿತ್ರಗಳು ದೊರೆಯುತ್ತವೆ.
-
Microsoft ಡಾಕ್ಯುಮೆಂಟೇಷನ್ನ ಬಿಲ್ಡ್ ಆನ್ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಟರ್ ಕ್ವಿಕ್ ಸ್ಟಾರ್ಟ್ನ "ಅಪ್ಲೋಡ್ ಆಂಡ್ ಟ್ಯಾಗ್ ಇಮೇಜಸ್" ವಿಭಾಗದ ಸೂಚನೆಗಳಂತೆ ನಿಮ್ಮ ತರಬೇತಿ ಚಿತ್ರಗಳನ್ನು ಅಪ್ಲೋಡ್ ಮಾಡಿ. ನೀವು ಗುರುತಿಸಬೇಕಾದ ವಸ್ತುಗಳ ಪ್ರಕಾರ ಸಂಬಂಧಿಸಿದ ಟ್ಯಾಗ್ಗಳನ್ನು ಸೃಷ್ಟಿಸಿ.
ವಸ್ತುಗಳಿಗೆ ಬೌಂಡಿಂಗ್ ಬಾಕ್ಸ್ ಬರೆದಾಗ ವಸ್ತು ಸುತ್ತ ತೂಕಟ್ಟಿದ ಶ್ರೇಷ್ಟವಾಗಿರಲಿ. ಎಲ್ಲಾ ಚಿತ್ರಗಳಿಗೆ ಬಾಕ್ಸ್ ಗಳ ರೇಖೆ ಎಳೆಯುವುದು ಸಡಿಲ ಕೆಲಸ ಆದರೆ ಸಾಧನವು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಬಾಕ್ಸ್ ಗುರುತುಮಾಡುತ್ತದೆ, ವೇಗವನ್ನು ಹೆಚ್ಚು ಮಾಡುತ್ತದೆ.
💁 ನಿಮ್ಮೊಳಗೆ ಪ್ರತಿ ವಸ್ತುಗೆ 15 ಚಿತ್ರಗಳಿಗಿಂತ ಹೆಚ್ಚು ಇದ್ದರೆ, ಮೊದಲು 15 ಚಿತ್ರಗಳ ತರಬೇತಿ ಮಾಡಿ ನಂತರ Suggested tags ಸೇವೆ ಬಳಸಿ. ಇದು ತರಬೇತಿಗೊಂಡ ಮಾದರಿಯಿಂದ ಟ್ಯಾಗ್ ಆಗದ ಚಿತ್ರಗಳಲ್ಲಿ ವಸ್ತುಗಳನ್ನು ಪತ್ತೆಮಾಡುತ್ತದೆ. ನೀವು ಪತ್ತೆಮಾಡಿದ ವಸ್ತುಗಳನ್ನು ದೃಡೀಕರಿಸಬಹುದು ಅಥವಾ ತಪ್ಪಿದ್ದರೆ ಬಾಕ್ಸ್ಗಳನ್ನು ಮರುರೇಖಿಸಿ. ಇದು ಬಹಳಷ್ಟು ಸಮಯ ಉಳಿಸುತ್ತದೆ.
-
Microsoft ಡಾಕ್ಯುಮೆಂಟೇಷನ್ನ ಬಿಲ್ಡ್ ಆನ್ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಟರ್ Quickstartನ "ಟ್ರೇನ್ ದಿ ಡಿಟೆಕ್ಟರ್" ವಿಭಾಗವನ್ನು ಅನುಸರಿಸಿ ನಿಮ್ಮ ಟ್ಯಾಗ್ ಮಾಡಿದ ಚಿತ್ರಗಳ ಮೇಲೆ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಟರ್ ತರಬೇತಿಗೊಳಿಸಿ.
ತರಬೇತಿ ಪ್ರಕಾರ ಆಯ್ಕೆ ಮಾಡಲಾಗುತ್ತದೆ. Quick Training ಆಯ್ಕೆಮಾಡಿ.
ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಟರ್ ತರಬೇತಿ ಪ್ರಕ್ರಿಯೆ ಕಾರ್ಯಾರಂಭ ಆಗುತ್ತದೆ. ಪೂರ್ಣಗೊಳ್ಳಲು ಕೆಲವು ನಿಮಿಷಗಳು ಸಮಯ ಹಿಡಿಯುತ್ತದೆ.
ನಿಮ್ಮ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಟರ್ ಪರೀಕ್ಷೆ
ನಿಮ್ಮ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಟರ್ ತರಬೇತಿಗೊಳ್ಳುವ ನಂತರ, ಹೊಸ ಚಿತ್ರಗಳನ್ನು ನೀಡುವ ಮೂಲಕ ಅದನ್ನು ಪರೀಕ್ಷಿಸಬಹುದು.
ಕಾರ್ಯ - ನಿಮ್ಮ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಟರ್ ಪರೀಕ್ಷೆ
-
Quick Test ಬಟನ್ ಬಳಸಿ ಪರೀಕ್ಷಾ ಚಿತ್ರಗಳನ್ನು ಅಪ್ಲೋಡ್ ಮಾಡಿ ವಸ್ತುಗಳು ಪತ್ತೆಯಾಗುತ್ತವೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸಿ. ನಿಮ್ಮ ಬಳಕೆ ಮಾಡದ ತರಬೇತಿ ಚಿತ್ರಗಳಲ್ಲದ ಹೊಸ ಚಿತ್ರಗಳನ್ನು ಬಳಸಿರಿ.
-
ನಿಮಗೆ ದೊರಕಿರುವ ಎಲ್ಲಾ ಪರೀಕ್ಷಾ ಚಿತ್ರಗಳನ್ನು ಪ್ರಯತ್ನಿಸಿ ಮತ್ತು ಸಾಧ್ಯತೆಗಳನ್ನು ಗಮನಿಸಿ.
ನಿಮ್ಮ ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಟರ್ ಮರು ತರಬೇತಿ
ನೀವು ಪರೀಕ್ಷೆ ಮಾಡಿದಾಗ, ಬರಬಹುದು ಫಲಿತಾಂಶ ಕಲಿತಂತಿರಲಿಲ್ಲ ಆದರೆ ಚಿತ್ರ ವರ್ಗೀಕರಣಗಳಂತೆ ಆಗಬಹುದು. ತಪ್ಪುಗಳನ್ನು ಚೆನ್ನಾಗಿಸುವ ಒಂದು ವಿಧಾನವೇ ಹಳೆಯ ಪ್ರಕರಣಗಳ ಚಿತ್ರಗಳೊಂದಿಗೆ ಮರು ತರಬೇತಿ.
ನೀವು ವಿಡ್ಜೆಟ್ನ "Quick Test" ಆಯ್ಕೆ ಬಳಸಿ ಊಹಿಸುವಾಗ, ಚಿತ್ರ ಮತ್ತು ಫಲಿತಾಂಶಗಳು ಸಂಗ್ರಹಿಸಲ್ಪಡುತ್ತವೆ. ಈ ಚಿತ್ರಗಳನ್ನು ಬಳಸಿಕೊಂಡು ನಿಮ್ಮ ಮಾದರಿಯನ್ನು ಮರು ತರಬೇತಿಗೊಳಿಸಬಹುದು.
-
Predictions ಟ್ಯಾಬ್ನಲ್ಲಿ ನಿಮ್ಮ ಪರೀಕ್ಷಾ ಚಿತ್ರಗಳನ್ನು ಹುಡುಕಿ
-
ಸರಿಯಾದ ಪತ್ತೆಗಳನ್ನು ದೃಢೀಕರಿಸಿ, ತಪ್ಪುಗಳನ್ನು ಅಳಿಸಿ ಹಾಗೂ ಇಲ್ಲದಿರುವವುಗಳನ್ನೂ ಸೇರಿಸಿ.
-
ಮರು ತರಬೇತಿ ಮಾಡಿ ಮತ್ತೆ ಪರೀಕ್ಷಿಸಿ.
🚀 ಸವಾಲು
ನೀವು ಸಮಾನವಾಗಿ ಕಾಣುವ ವಸ್ತುಗಳನ್ನು, ಉದಾಹರಣೆಗೆ, tomato paste ಮತ್ತು chopped tomatoes ಬ್ರ್ಯಾಂಡ್ ಸಹಿತ ಕ್ಯಾನ್ಗಳನ್ನು ವಸ್ತು ಡಿಟೆಕ್ಟರ್ ಬಳಸಿಕೊಂಡು ಪತ್ತೆ ಹಚ್ಚಲು ಪ್ರಯತ್ನಿಸಿದರೆ ಏನಾಗುವುದು?
ನಿಮಗಿರುವ ಯಾವುದೇ ಸಮಾನವಾಗಿ ಕಾಣುವ ವಸ್ತುಗಳನ್ನು ಸ್ಟಿಲ್ ಮಾಡಿ, ಅವುಗಳ ಚಿತ್ರಗಳನ್ನು ನಿಮ್ಮ ವಸ್ತು ಡಿಟೆಕ್ಟರ್ಗೆ ಸೇರಿಸಿ ಪರೀಕ್ಷಿಸಿ.
ಉಪನ್ಯಾಸೋತ್ತರ ಕ್ವಿಜ್
ವಿಮರ್ಶೆ ಮತ್ತು ಸ್ವಯಂ ಅಧ್ಯಯನ
- ನೀವು ನಿಮ್ಮ ವಸ್ತು ಡಿಟೆಕ್ಟರ್ ಅನ್ನು ತರಬೇತಿಸಿದಾಗ, ಮಾದರಿಯ ಗುಣಮಟ್ಟವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು Precision, Recall, ಮತ್ತು mAP ಎಂಬ ಮೌಲ್ಯಗಳನ್ನು ನೋಡಿರುತ್ತಾರೆ. ಈ ಮೌಲ್ಯಗಳ ಅರ್ಥ ತಿಳಿಯಲು Microsoft ಡಾಕ್ಸ್ನ Build an object detector quickstart ನಲ್ಲಿ Evaluate the detector ವಿಭಾಗವನ್ನು ಓದಿ
- ವಸ್ತು ಪತ್ತೆಯ ಬಗ್ಗೆ ಇನ್ನಷ್ಟು ತಿಳಿಯಲು Wikipedia上的 वस्तು ಪತ್ತೆ ಪುಟವನ್ನು ಓದಿ
ಕಾರ್ಯನಿರ್ದೇಶನ
ತ್ಯಾಜ್ಯಪ್ರಕಾಶನ: ಈ ದಸ್ತಾವೇಜನ್ನು AI ಅನುವಾದ ಸೇವೆ Co-op Translator ಬಳಸಿ ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ನಿಖರತೆಗಾಗಿ ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದರೂ, ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದಗಳಲ್ಲಿ ದೋಷಗಳು ಅಥವಾ ತಪ್ಪುಗಳು ಇರುವ ಸಾಧ್ಯತೆ ಇದೆ. ಮೂಲ ಭಾಷೆಯ ಮೌಲಿಕ ದಸ್ತಾವೇಜನ್ನು ಅಧಿಕೃತ ಮಾದರಿಯಾಗಿ ಪರಿಗಣಿಸಬೇಕು. ಪ್ರಮುಖ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ವಿವರರಣೆಗಳು ಅಥವಾ ತಪ್ಪು ಅರ್ಥೈಸಿಕೆಗಳಿಗೆ ನಾವು ಹೊಣೆಗಾರರಾಗಿದ್ದೇವೆ ಎಂದು ಮಾಡಿಲ್ಲ.