تا همین اواخر، IBM Watson Visual Recognition عمدتاً برای تشخیص تصاویر به عنوان یک کل استفاده می شد. با این حال، کار با یک تصویر به عنوان یک کل واحد، از صحیح ترین رویکرد فاصله دارد. اکنون، به لطف ویژگی جدید تشخیص شیکاربران IBM Watson می‌توانند مدل‌هایی را بر روی تصاویر با اشیاء برچسب‌گذاری شده آموزش دهند تا بعداً آنها را در هر فریمی تشخیص دهند.
بیایید نشان دهیم که چگونه می توان این کار را اکنون انجام داد.
اگر قبلاً با استفاده از IBM Watson می توانستید خودروی آسیب دیده را از خودروی سالم تشخیص دهید، اکنون نه تنها می توانید وجود آسیب را تشخیص دهید، بلکه موقعیت و اندازه آن را نیز تخمین بزنید. این رویکرد بسیار آموزنده است و امکان پیش بینی در مورد هزینه تعمیرات لازم را فراهم می کند.
البته لیست گزینه های استفاده از این قابلیت بسیار گسترده تر از بررسی ساده یکپارچگی خودرو است. اکنون می توانید از Watson Visual Recognition برای موارد زیر استفاده کنید:
- شمارش تعداد افرادی که در صف و یا ماشین ها در ترافیک هستند
- شناسایی کالا در قفسه های خرده فروشی
- تشخیص لوگو در عکس ها
- تجزیه و تحلیل تصاویر CT و MRI برای ناهنجاری ها
- سایر وظایف مربوط به کار با اشیاء خاص در عکس ها
لازم نیست ماه ها را صرف انتخاب و برچسب گذاری داده ها کنید - مدل ما قبلاً روی چندین میلیون نمونه آموزش دیده است و کیفیت نسبتاً بالایی از پیش بینی را بدون هیچ تغییری ارائه می دهد. در صورت لزوم، همیشه می توانید آن را دوباره آموزش دهید تا شبکه عصبی با ویژگی های حوزه فعالیت شما مطابقت داشته باشد.
با Watson Studio، تصاویر را برچسب گذاری کنید و یک مدل را روی داده های خود سریعتر آموزش دهید
به طور معمول، آموزش مدل خود برای تشخیص دقیق اشیاء، دشوارترین کار در هنگام ساختن یک سیستم بینایی کامپیوتری است. استودیو Watson این فرآیند را سرعت می بخشد و به کاهش زمان در هنگام کار با حجم زیاد داده کمک می کند. همراه با یک افزونه رایگان برچسب خودکار شما می توانید به سرعت تمام تصاویر موجود در مجموعه داده را علامت گذاری کنید.
شروع
پس از فعال سازی و ایجاد اپلیکیشن Visual Recognition در فضای ابری، آن را به استودیو Watson متصل کرده و در قسمت Custom Models، یک مدل در پنجره Detect Objects ایجاد کنید.
داده های خام خود را در استودیو Watson آپلود کنید (می توانید از آرشیو JPEG، PNG یا ZIP حاوی این تصاویر استفاده کنید)
یک تصویر را انتخاب کنید، شیئی را که می خواهید تشخیص دهید انتخاب کنید، نامی به آن بدهید و ذخیره کنید. این کار را تا زمانی تکرار کنید که تمام اشیاء لازم در این تصویر را انتخاب کنید.
پس از برچسب گذاری چند تصویر، می توانید مدل خود را آموزش داده و آزمایش کنید.
همچنین می توانید با استفاده از ویژگی Auto Label که به شما کمک می کند تمام داده های خود را برچسب گذاری کنید، تصاویر بیشتری برای بهبود کیفیت مدل اضافه کنید. برای استفاده از این عملکرد، تمام تصاویر لازم را انتخاب کنید و روی دکمه "برچسب خودکار" کلیک کنید تا واتسون به طور مستقل داده ها را مطابق با کلاس های مشخص شده برچسب گذاری کند.
پس از بررسی صحت مدل خود، می توانید یک راه حل آماده را در محصول خود تعبیه کنید.
امروز به صورت رایگان، تشخیص اشیا با IBM Watson Visual Recognition!
همچنین شما را به سمینارهای آموزشی رایگان دعوت می کنیم и ، در ماه نوامبر در مرکز مشتری دفتر ما در مسکو برگزار شد.
مواد اضافی:
- با کوکی ها برای آموزش
منبع: www.habr.com