நீங்கள் எப்போதாவது உங்கள் முகத்தைக் கொண்டு தொலைபேசியைத் திறந்திருந்தாலோ, ஒரு ரசீதை ஸ்கேன் செய்திருந்தாலோ, அல்லது ஒரு சுய-பரிசோதனைக் கருவியின் கேமரா உங்கள் அவகேடோ பழத்தை மதிப்பிடுகிறதா என்று யோசித்துக்கொண்டிருந்தாலோ, நீங்கள் கணினிப் பார்வை (computer vision) பற்றி ஓரளவு அறிந்திருக்கிறீர்கள். எளிமையாகச் சொன்னால், செயற்கை நுண்ணறிவில் (AI) உள்ள கணினிப் பார்வை என்பது, முடிவுகளை எடுக்கும் அளவுக்குப் படங்களையும் காணொளிகளையும் இயந்திரங்கள் பார்க்கவும் புரிந்துகொள்ளவும் கற்றுக்கொள்ளும் . பயனுள்ளதா? நிச்சயமாக. சில நேரங்களில் ஆச்சரியமூட்டுகிறதா? அதுவும் ஆம். உண்மையைச் சொன்னால், சில சமயங்களில் இது சற்று அச்சமூட்டக்கூடியதாகவும் இருக்கும். அதன் சிறந்த நிலையில், அது ஒழுங்கற்ற பிக்சல்களை நடைமுறைச் செயல்களாக மாற்றுகிறது. அதன் மோசமான நிலையில், அது யூகிக்கிறது மற்றும் தடுமாறுகிறது. வாருங்கள், இதை முறையாக ஆராய்வோம்.
இதற்குப் பிறகு நீங்கள் படிக்க விரும்பக்கூடிய கட்டுரைகள்:
🔗 செயற்கை நுண்ணறிவு சார்பு என்றால் என்ன?
செயற்கை நுண்ணறிவு அமைப்புகளில் சார்பு எவ்வாறு உருவாகிறது மற்றும் அதைக் கண்டறிந்து குறைப்பதற்கான வழிகள்.
🔗 முன்கணிப்பு செயற்கை நுண்ணறிவு என்றால் என்ன?
போக்குகள் மற்றும் விளைவுகளை முன்கூட்டியே கணிக்க, முன்கணிப்பு செயற்கை நுண்ணறிவு எவ்வாறு தரவுகளைப் பயன்படுத்துகிறது.
🔗 AI பயிற்சியாளர் என்பவர் யார்?
AI-க்குப் பயிற்சி அளிக்கும் நிபுணர்களின் பொறுப்புகள், திறன்கள் மற்றும் பயன்படுத்தப்படும் கருவிகள்.
🔗 கூகுள் வெர்டெக்ஸ் ஏஐ (Google Vertex AI) என்பது என்ன?
மாடல்களை உருவாக்குவதற்கும் செயல்படுத்துவதற்கும் ஆன கூகுளின் ஒருங்கிணைந்த ஏஐ தளத்தின் ஒரு கண்ணோட்டம்.
AI-யில் கணினி பார்வை என்றால் என்ன? 📸
செயற்கை நுண்ணறிவில் கணினிப் பார்வை என்பது, காட்சித் தரவுகளைப் புரிந்துகொள்ளவும் பகுத்தறியவும் கணினிகளுக்குக் கற்பிக்கும் செயற்கை நுண்ணறிவின் ஒரு கிளையாகும். இது மூலப் பிக்சல்களிலிருந்து கட்டமைக்கப்பட்ட அர்த்தத்திற்கான ஒரு வழித்தடமாகும்: “இது ஒரு நிறுத்தக் குறி,” “அவர்கள் பாதசாரிகள்,” “பற்றவைப்பு குறைபாடுள்ளது,” “விலைப்பட்டியல் மொத்தம் இங்கே உள்ளது.” இது வகைப்படுத்தல், கண்டறிதல், பிரித்தல், கண்காணித்தல், ஆழம் மதிப்பிடுதல், OCR மற்றும் பல போன்ற பணிகளை உள்ளடக்கியது - இவை அனைத்தும் வடிவக் கற்றல் மாதிரிகளால் ஒன்றாக இணைக்கப்பட்டுள்ளன. இந்த முறையான துறையானது பாரம்பரிய வடிவியல் முதல் நவீன ஆழ்நிலைக் கற்றல் வரை பரவியுள்ளது, மேலும் நீங்கள் நகலெடுத்து மாற்றியமைக்கக்கூடிய நடைமுறை வழிகாட்டிகளையும் கொண்டுள்ளது. [1]
ஒரு சிறு உதாரணம்: ஒரு சாதாரண 720p கேமரா கொண்ட பேக்கேஜிங் தயாரிப்பு வரிசையைக் கற்பனை செய்து பாருங்கள். ஒரு எடை குறைந்த டிடெக்டர் மூடிகளைக் கண்டறிகிறது, மேலும் ஒரு எளிய டிராக்கர், பாட்டிலுக்குப் பச்சைக்கொடி காட்டுவதற்கு முன்பு, தொடர்ச்சியாக ஐந்து ஃபிரேம்களுக்கு அவை சரியாகப் பொருந்தியுள்ளனவா என்பதை உறுதி செய்கிறது. இது ஆடம்பரமானதல்ல - ஆனால் மலிவானது, வேகமானது, மேலும் இது மீண்டும் மீண்டும் செய்ய வேண்டிய வேலையைக் குறைக்கிறது.
AI-யில் கணினி பார்வையை பயனுள்ளதாக்குவது எது? ✅
-
சிக்னல்-டு-ஆக்ஷன் ஓட்டம்: காட்சி உள்ளீடு செயல்படக்கூடிய வெளியீடாக மாறுகிறது. குறைவான டேஷ்போர்டு, அதிக முடிவு.
-
பொதுமைப்படுத்தல்: சரியான தரவுகளுடன், ஒரு மாதிரி பல்வேறு வகையான படங்களைக் கையாளுகிறது. சரியாக இல்லை - சில நேரங்களில் அதிர்ச்சியூட்டும் வகையில் நன்றாக.
-
தரவுப் பரிமாற்றம்: கேமராக்கள் மலிவானவை, எல்லா இடங்களிலும் கிடைக்கின்றன. பார்வை அந்த பிக்சல்களின் பெருங்கடலை நுண்ணறிவாக மாற்றுகிறது.
-
வேகம்: மாதிரிகள் பணி மற்றும் தெளிவுத்திறனைப் பொறுத்து, மிதமான வன்பொருளில் - அல்லது கிட்டத்தட்ட உண்மையான நேரத்தில் - பிரேம்களை நிகழ்நேரத்தில் செயலாக்க முடியும்.
-
ஒருங்கிணைப்புத்தன்மை: எளிய படிநிலைகளை நம்பகமான அமைப்புகளாகத் தொடராக்குதல்: கண்டறிதல் → கண்காணித்தல் → தரக் கட்டுப்பாடு.
-
சுற்றுச்சூழல் அமைப்பு: கருவிகள், முன் பயிற்சி பெற்ற மாதிரிகள், அளவுகோல்கள் மற்றும் சமூக ஆதரவு - ஒரு பரந்த குறியீட்டு சந்தை.
உண்மையைச் சொல்லப் போனால், ரகசிய சாஸ் ஒரு ரகசியம் அல்ல: நல்ல தரவு, ஒழுக்கமான மதிப்பீடு, கவனமாகப் பயன்படுத்துதல். மீதமுள்ளவை பயிற்சி... ஒருவேளை காபி. ☕
செயற்கை நுண்ணறிவில் கணினிப் பார்வை எவ்வாறு செயல்படுகிறது, ஒரே சீரான செயல்முறையில் 🧪
-
பட சேகரிப்பு
கேமராக்கள், ஸ்கேனர்கள், ட்ரோன்கள், தொலைபேசிகள். சென்சார் வகை, வெளிப்பாடு, லென்ஸ் மற்றும் பிரேம் வீதத்தை கவனமாக தேர்வு செய்யவும். குப்பையில் போடுங்கள், முதலியன. -
முன் செயலாக்கம்
தேவைப்பட்டால் அளவை மாற்றுதல், செதுக்குதல், இயல்பாக்குதல், மங்கலாக்குதல் அல்லது இரைச்சல் நீக்குதல். சில நேரங்களில் ஒரு சிறிய மாறுபாடு மாற்றங்கள் மலைகளை நகர்த்தும். [4] -
லேபிள்கள் மற்றும் தரவுத்தொகுப்புகள்:
எல்லைப் பெட்டிகள், பல்கோணங்கள், முக்கியப் புள்ளிகள், உரைப்பகுதிகள். சமச்சீரான, பிரதிநிதித்துவ லேபிள்கள் - இல்லையெனில் உங்கள் மாடல் சமநிலையற்ற பழக்கங்களைக் கற்றுக்கொள்ளும். -
மாடலிங்
-
வகைப்பாடு: “எந்தப் பிரிவு?”
-
கண்டறிதல்: “பொருள்கள் எங்கே இருக்கின்றன?”
-
பிரித்தல்: “எந்தப் பிக்சல்கள் எந்தப் பொருளுக்கு உரியவை?”
-
முக்கிய புள்ளிகள் மற்றும் தோரணை: “மூட்டுகள் அல்லது அடையாளங்கள் எங்கே உள்ளன?”
-
OCR: “படத்திலுள்ள உரை என்ன?”
-
ஆழம் & 3D: “எல்லாம் எவ்வளவு தூரத்தில் இருக்கிறது?”
கட்டமைப்புகள் வேறுபடுகின்றன, ஆனால் கன்வல்யூஷனல் நெட்டுகள் மற்றும் டிரான்ஸ்ஃபார்மர்-பாணி மாதிரிகள் ஆதிக்கம் செலுத்துகின்றன. [1]
-
-
பயிற்சி
தரவைப் பிரிக்கவும், ஹைப்பர் அளவுருக்களை சரிசெய்யவும், முறைப்படுத்தவும், அதிகரிக்கவும். வால்பேப்பரை மனப்பாடம் செய்வதற்கு முன்பு சீக்கிரமாக நிறுத்தவும். -
மதிப்பீடு:
OCR-க்கு mAP, IoU, F1, CER/WER போன்ற பணிக்கு ஏற்ற அளவீடுகளைப் பயன்படுத்தவும். தன்னிச்சையாகத் தேர்ந்தெடுக்க வேண்டாம். நியாயமாக ஒப்பிடவும். [3] -
வரிசைப்படுத்தல்
மேம்படுத்தல்: கிளவுட் பேட்ச் வேலைகள், சாதனத்தில் அனுமானம், விளிம்பு சேவையகங்கள். சறுக்கலைக் கண்காணிக்கவும். உலகம் மாறும்போது மீண்டும் பயிற்சி அளிக்கவும்.
பெரிய தரவுத்தொகுப்புகளும் கணினியும் முக்கியமான நிறைவை அடைந்தவுடன், ஆழமான வலைகள் ஒரு தரமான பாய்ச்சலை ஊக்குவித்தன. இமேஜ்நெட் சவால் போன்ற அளவுகோல்கள் அந்த முன்னேற்றத்தைக் காணக்கூடியதாகவும் இடைவிடாததாகவும் ஆக்கின. [2]
நீங்கள் உண்மையில் பயன்படுத்தும் முக்கிய பணிகள் (மற்றும் எப்போது) 🧩
-
பட வகைப்பாடு: ஒரு படத்திற்கு ஒரு லேபிள். விரைவான வடிப்பான்கள், வரிசைப்படுத்தல் அல்லது தரமான வாயில்களுக்குப் பயன்படுத்தவும்.
-
பொருள் கண்டறிதல்: பொருட்களைச் சுற்றியுள்ள பெட்டிகள். சில்லறை இழப்பு தடுப்பு, வாகனக் கண்டறிதல், வனவிலங்கு எண்ணிக்கை.
-
நிகழ்வுப் பிரிவு: ஒரு பொருளுக்கு பிக்சல்-துல்லியமான நிழல் படங்கள். உற்பத்தி குறைபாடுகள், அறுவை சிகிச்சை கருவிகள், வேளாண் தொழில்நுட்பம்.
-
சொற்பொருள் பிரிவு: நிகழ்வுகளைப் பிரிக்காமல் பிக்சலுக்கு வகுப்பு. நகர்ப்புற சாலை காட்சிகள், நிலப்பரப்பு.
-
முக்கியப் புள்ளிகளைக் கண்டறிதல் மற்றும் தோரணை: மூட்டுகள், அடையாளப் புள்ளிகள், முக அம்சங்கள். விளையாட்டுப் பகுப்பாய்வு, பணிச்சூழலியல், AR.
-
கண்காணிப்பு: காலப்போக்கில் பொருட்களைப் பின்தொடரவும். தளவாடங்கள், போக்குவரத்து, பாதுகாப்பு.
-
OCR மற்றும் ஆவண செயற்கை நுண்ணறிவு: உரை பிரித்தெடுத்தல் மற்றும் தளவமைப்பு பகுப்பாய்வு. விலைப்பட்டியல்கள், ரசீதுகள், படிவங்கள்.
-
ஆழம் மற்றும் முப்பரிமாணம்: பல கோணப் பார்வைகள் அல்லது ஒற்றைக் கண் குறிப்புகளிலிருந்து புனரமைப்பு. ரோபோட்டிக்ஸ், ஆக்மென்டட் ரியாலிட்டி, மேப்பிங்.
-
காட்சி தலைப்பு: காட்சிகளை இயல்பான மொழியில் சுருக்கவும். அணுகல், தேடல்.
-
பார்வை-மொழி மாதிரிகள்: மல்டிமாடல் பகுத்தறிவு, மீட்டெடுப்பு-மேம்படுத்தப்பட்ட பார்வை, அடிப்படை தரநிலை.
சிறிய பெட்டியின் இயல்பு: கடைகளில், அலமாரியில் இல்லாத பொருட்களை ஒரு கண்டறி கருவி சுட்டிக்காட்டுகிறது; ஊழியர்கள் பொருட்களை மீண்டும் அடுக்கும்போது, இருமுறை எண்ணுவதை ஒரு கண்காணிப்புக் கருவி தடுக்கிறது; நம்பகத்தன்மை குறைந்த பிரேம்களை மனித மதிப்பாய்வுக்கு ஒரு எளிய விதி வழிநடத்துகிறது. இது பெரும்பாலும் ஒத்திசைவாக இயங்கும் ஒரு சிறிய இசைக்குழுவைப் போன்றது.
ஒப்பீட்டு அட்டவணை: வேகமாக அனுப்புவதற்கான கருவிகள் 🧰
வேண்டுமென்றே கொஞ்சம் வித்தியாசமாக இருக்கிறது. ஆமாம், இடைவெளி வித்தியாசமாக இருக்கிறது - எனக்குத் தெரியும்.
| கருவி / கட்டமைப்பு | சிறந்தது | உரிமம்/விலை | இது ஏன் நடைமுறையில் வேலை செய்கிறது |
|---|---|---|---|
| ஓபன்சிவி | முன் செயலாக்கம், கிளாசிக் CV, விரைவான POCகள் | இலவசம் - திறந்த மூல | மிகப்பெரிய கருவிப்பெட்டி, நிலையான APIகள், போரில் சோதிக்கப்பட்டது; சில நேரங்களில் உங்களுக்குத் தேவையானது. [4] |
| பைடார்ச் | ஆராய்ச்சிக்கு உகந்த பயிற்சி | இலவசம் | டைனமிக் வரைபடங்கள், மிகப்பெரிய சுற்றுச்சூழல் அமைப்பு, பல பயிற்சிகள். |
| டென்சர்ஃப்ளோ/கேராஸ் | அளவில் உற்பத்தி | இலவசம் | முதிர்ந்த பரிமாறும் விருப்பங்கள், மொபைல் மற்றும் எட்ஜுக்கும் நல்லது. |
| அல்ட்ராலிடிக்ஸ் யோலோ | விரைவான பொருள் கண்டறிதல் | இலவச + கட்டண துணை நிரல்கள் | எளிதான பயிற்சி வளையம், போட்டி வேக-துல்லியம், தன்னம்பிக்கை ஆனால் வசதியானது. |
| டிடெக்ட்ரான்2 / எம்எம்டிடெக்ஷன் | வலுவான அடிப்படைகள், பிரிவு | இலவசம் | மீண்டும் உருவாக்கக்கூடிய முடிவுகளைக் கொண்ட குறிப்பு-தர மாதிரிகள். |
| OpenVINO / ONNX இயக்க நேரம் | அனுமான உகப்பாக்கம் | இலவசம் | தாமதத்தைக் குறைத்து, மீண்டும் எழுதாமல் பரவலாகப் பயன்படுத்துங்கள். |
| டெசராக்ட் | குறைந்த பட்ஜெட்டில் OCR | இலவசம் | படத்தை சுத்தம் செய்தால் நன்றாக வேலை செய்யும்... சில நேரங்களில் நீங்கள் உண்மையிலேயே செய்ய வேண்டும். |
செயற்கை நுண்ணறிவில் கணினிப் பார்வையின் தரத்தை எது இயக்குகிறது 🔧
-
தரவு கவரேஜ்: விளக்கு மாற்றங்கள், கோணங்கள், பின்னணிகள், விளிம்பு நிலைகள். அது நடக்க முடிந்தால், அதைச் சேர்க்கவும்.
-
லேபிள் தரம்: சீரற்ற பெட்டிகள் அல்லது ஒழுங்கற்ற பலகோணங்கள் mAP-ஐ நாசமாக்குகின்றன. ஒரு சிறிய QA நீண்ட தூரம் செல்லும்.
-
ஸ்மார்ட் ஆக்மென்டேஷன்கள்: செதுக்கு, சுழற்று, பிரகாசத்தை நடுங்கு, செயற்கை இரைச்சலைச் சேர்க்கவும். சீரற்ற குழப்பமாக இல்லாமல், யதார்த்தமாக இருங்கள்.
-
மாதிரித் தேர்வுப் பொருத்தம்: கண்டறிதல் தேவைப்படும் இடங்களில் அதைப் பயன்படுத்துங்கள் - இருப்பிடங்களைக் கணிக்க ஒரு வகைப்படுத்தியை நிர்பந்திக்காதீர்கள்.
-
தாக்கத்துடன் பொருந்தக்கூடிய அளவீடுகள்: தவறான எதிர்மறைகள் அதிகமாகப் பாதித்தால், நினைவுகூருதலை மேம்படுத்தவும். தவறான நேர்மறைகள் அதிகமாகப் பாதித்தால், முதலில் துல்லியம்.
-
இறுக்கமான பின்னூட்ட வளையம்: தோல்விகளைப் பதிவு செய்தல், மறுபெயரிடுதல், மீண்டும் பயிற்சி செய்தல். துவைத்தல், மீண்டும் செய்தல். சற்று சலிப்பூட்டுதல்-மிகவும் பயனுள்ளதாக இருக்கும்.
கண்டறிதல்/பிரிவுப்படுத்தலுக்கு, சமூகத் தரநிலை சராசரி துல்லியம் - அதாவது COCO-பாணி mAP. IoU மற்றும் AP@{0.5:0.95} எவ்வாறு கணக்கிடப்படுகின்றன என்பதை அறிவது, லீடர்போர்டு உரிமைகோரல்கள் தசமங்களுடன் உங்களை திகைக்க வைப்பதைத் தடுக்கிறது. [3]
கற்பனையாக இல்லாத நிஜ உலக பயன்பாட்டு வழக்குகள் 🌍
-
சில்லறை விற்பனை: அலமாரி பகுப்பாய்வு, இழப்பு தடுப்பு, வரிசை கண்காணிப்பு, பிளானோகிராம் இணக்கம்.
-
உற்பத்தி: மேற்பரப்பு குறைபாடு கண்டறிதல், அசெம்பிளி சரிபார்ப்பு, ரோபோ வழிகாட்டுதல்.
-
சுகாதாரப் பராமரிப்பு: கதிரியக்கவியல் வகைப்படுத்தல், கருவி கண்டறிதல், செல் பிரிவு.
-
இயக்கம்: ADAS, போக்குவரத்து கேமராக்கள், பார்க்கிங் ஆக்கிரமிப்பு, மைக்ரோமொபிலிட்டி கண்காணிப்பு.
-
விவசாயம்: பயிர் எண்ணிக்கை, நோய் கண்டறிதல், அறுவடை தயார்நிலை.
-
காப்பீடு மற்றும் நிதி: சேத மதிப்பீடு, கே.ஒய்.சி சரிபார்ப்புகள், மோசடி எச்சரிக்கைகள்.
-
கட்டுமானம் மற்றும் ஆற்றல்: பாதுகாப்பு இணக்கம், கசிவு கண்டறிதல், அரிமானக் கண்காணிப்பு.
-
உள்ளடக்கம் மற்றும் அணுகல்தன்மை: தானியங்கு வசன வரிகள், நெறிப்படுத்தல், காட்சிவழித் தேடல்.
நீங்கள் கவனிக்கும் முறை: கைமுறை ஸ்கேனிங்கை தானியங்கி ட்ரேஜுடன் மாற்றவும், பின்னர் நம்பிக்கை குறையும் போது மனிதர்களிடம் அதிகரிக்கவும். கவர்ச்சியாக இல்லை - ஆனால் அது அளவிடப்படுகிறது.
தரவு, லேபிள்கள் மற்றும் முக்கியமான அளவீடுகள் 📊
-
வகைப்பாடு: துல்லியம், சமநிலையின்மைக்கான F1.
-
கண்டறிதல்: IoU வரம்புகளில் mAP; ஒவ்வொரு வகுப்பு AP மற்றும் அளவு வாளிகளையும் ஆய்வு செய்யுங்கள். [3]
-
பிரிவு: mIoU, Dice; நிகழ்வு-நிலை பிழைகளையும் சரிபார்க்கவும்.
-
கண்காணிப்பு: MOTA, IDF1; மறு அடையாளத் தரம்தான் அமைதியான ஹீரோ.
-
OCR: எழுத்துப் பிழை விகிதம் (CER) மற்றும் சொல் பிழை விகிதம் (WER); தளவமைப்பு தோல்விகள் பெரும்பாலும் ஆதிக்கம் செலுத்துகின்றன.
-
பின்னடைவு பணிகள்: ஆழம் அல்லது போஸ் முழுமையான/தொடர்புடைய பிழைகளைப் பயன்படுத்துகின்றன (பெரும்பாலும் பதிவு அளவுகோல்களில்).
உங்கள் மதிப்பீட்டு நெறிமுறையை ஆவணப்படுத்துங்கள், இதன் மூலம் மற்றவர்கள் அதைப் பின்பற்ற முடியும். இது கவர்ச்சியற்றது - ஆனால் அது உங்களை நேர்மையாக வைத்திருக்கும்.
உருவாக்கம் vs வாங்குதல் - அதை எங்கு இயக்குவது 🏗️
-
கிளவுட்: தொடங்குவதற்கு எளிதானது, தொகுதி பணிச்சுமைகளுக்கு சிறந்தது. வெளியேறும் செலவுகளைக் கவனியுங்கள்.
-
எட்ஜ் சாதனங்கள்: குறைந்த தாமதம் மற்றும் சிறந்த தனியுரிமை. நீங்கள் குவாண்டமாக்கல், கத்தரித்தல் மற்றும் முடுக்கி ஆகியவற்றில் கவனம் செலுத்துவீர்கள்.
-
சாதனத்தில் உள்ள மொபைல்: பொருந்தும்போது அற்புதம். மாடல்களை மேம்படுத்தி பேட்டரியை வாட்ச் செய்யுங்கள்.
-
ஹைப்ரிட்: விளிம்பில் முன் வடிகட்டி, மேகத்தில் அதிக சுமை. ஒரு நல்ல சமரசம்.
சலிப்பூட்டும் நம்பகமான அடுக்கு: PyTorch உடன் முன்மாதிரி, ஒரு நிலையான கண்டுபிடிப்பாளரைப் பயிற்றுவித்தல், ONNX க்கு ஏற்றுமதி செய்தல், OpenVINO/ONNX இயக்க நேரத்துடன் முடுக்கிவிடுதல் மற்றும் முன் செயலாக்கம் மற்றும் வடிவவியலுக்கு (அளவுத்திருத்தம், ஹோமோகிராபி, உருவவியல்) OpenCV ஐப் பயன்படுத்துதல். [4]
அபாயங்கள், நெறிமுறைகள் மற்றும் பேசுவதற்கு கடினமான பகுதிகள் ⚖️
பார்வை அமைப்புகள் தரவுத்தொகுப்பு சார்புகள் அல்லது செயல்பாட்டுக் குறைபாடுகளைப் பெறக்கூடும். சுயாதீன மதிப்பீடுகள் (எ.கா., NIST FRVT) வழிமுறைகள் மற்றும் நிபந்தனைகள் முழுவதும் முக அங்கீகாரப் பிழை விகிதங்களில் மக்கள்தொகை வேறுபாடுகளை அளவிட்டுள்ளன. இது பீதியடைய ஒரு காரணம் அல்ல, ஆனால் கவனமாகச் சோதிக்கவும், வரம்புகளை ஆவணப்படுத்தவும், உற்பத்தியில் தொடர்ந்து கண்காணிக்கவும் இது ஒரு காரணமாகும். நீங்கள் அடையாளம் அல்லது பாதுகாப்பு தொடர்பான பயன்பாட்டு நிகழ்வுகளைப் பயன்படுத்தினால், மனித மதிப்பாய்வு மற்றும் மேல்முறையீட்டு வழிமுறைகளைச் சேர்க்கவும். தனியுரிமை, ஒப்புதல் மற்றும் வெளிப்படைத்தன்மை ஆகியவை விருப்பத் தேர்வுகள் அல்ல. [5]
நீங்கள் உண்மையில் பின்பற்றக்கூடிய ஒரு விரைவான தொடக்க வரைபடம் 🗺️
-
முடிவை வரையறுக்கவும்
ஒரு படத்தைப் பார்த்த பிறகு கணினி என்ன நடவடிக்கை எடுக்க வேண்டும்? இது வேனிட்டி அளவீடுகளை மேம்படுத்துவதிலிருந்து உங்களைத் தடுக்கிறது. -
ஒரு ஒழுங்கற்ற தரவுத் தொகுப்பைச் சேகரியுங்கள்.
உங்கள் உண்மையான சூழலைப் பிரதிபலிக்கும் சில நூறு படங்களுடன் தொடங்குங்கள். கவனமாகக் குறியிடுங்கள் - அது நீங்களும் மூன்று ஒட்டும் தாள்களும் என்றாலும் சரி. -
ஒரு அடிப்படை மாதிரியைத் தேர்ந்தெடுக்கவும்.
முன் பயிற்சி பெற்ற எடைகளுடன் கூடிய எளிய முதுகெலும்பைத் தேர்ந்தெடுக்கவும். இப்போதைக்கு விசித்திரமான கட்டமைப்புகளைத் தேட வேண்டாம். [1] -
பயிற்சி அளிக்கவும், பதிவு செய்யவும், மதிப்பீடு செய்யவும்.
அளவீடுகள், குழப்பமான தருணங்கள் மற்றும் தோல்வி முறைகளைக் கண்காணிக்கவும். பனி, கண் கூச்சம், பிரதிபலிப்புகள், வித்தியாசமான எழுத்துருக்கள் போன்ற “விசித்திரமான நிகழ்வுகளை” ஒரு குறிப்பேட்டில் குறித்து வைக்கவும். -
வளையத்தை இறுக்குங்கள்
கடினமான எதிர்மறைகளைச் சேர்க்கவும், லேபிள் சறுக்கலை சரிசெய்யவும், பெருக்கங்களை சரிசெய்யவும், வரம்புகளை மீண்டும் சரிசெய்யவும். சிறிய மாற்றங்கள் சேர்க்கப்படுகின்றன. [3] -
ஒரு மெல்லிய பதிப்பைப் பயன்படுத்துங்கள்
அளவிட்டு ஏற்றுமதி செய்யுங்கள். பொம்மை அளவுகோலில் அல்லாமல், உண்மையான சூழலில் தாமதம்/செயல்திறனை அளவிடவும். -
கண்காணித்து மேம்படுத்தவும்.
தவறுகளைச் சேகரித்து, மறுபெயரிட்டு, மீண்டும் பயிற்சி அளிக்கவும். உங்கள் மாதிரி காலாவதியாகிவிடாமல் இருக்க, குறிப்பிட்ட கால இடைவெளியில் மதிப்பீடுகளைத் திட்டமிடுங்கள்.
ஒரு சிறந்த யோசனை: உங்கள் அணியில் உள்ள மிகவும் சந்தேக மனப்பான்மை கொண்ட வீரர் அமைத்த ஒரு சிறிய தற்காப்பு வியூகத்தில் குறிப்புகளை எழுதி வையுங்கள். அவர்களால் அதில் குறை கண்டுபிடிக்க முடியவில்லை என்றால், நீங்கள் வெற்றிக்குத் தயாராகிவிட்டீர்கள் என்று அர்த்தம்.
நீங்கள் தவிர்க்க விரும்பும் பொதுவான தவறுகள் 🧨
-
சுத்தமான ஸ்டுடியோ படங்களில் பயிற்சி, லென்ஸில் மழையுடன் நிஜ உலகத்திற்கு அனுப்புதல்.
-
நீங்கள் ஒரு முக்கியமான வகுப்பைப் பற்றி உண்மையிலேயே அக்கறை கொள்ளும்போது ஒட்டுமொத்த mAP க்கும் உகந்ததாக்குதல். [3]
-
வர்க்க ஏற்றத்தாழ்வைப் புறக்கணித்துவிட்டு, அரிதான நிகழ்வுகள் ஏன் மறைந்து போகின்றன என்று யோசிப்பது.
-
மாதிரி செயற்கை கலைப்பொருட்களைக் கற்றுக்கொள்ளும் வரை மிகைப்படுத்தல்.
-
கேமரா அளவுத்திருத்தத்தைத் தவிர்த்துவிட்டு, பின்னர் பார்வைப் பிழைகளை என்றென்றும் எதிர்த்துப் போராடுவது. [4]
-
சரியான மதிப்பீட்டு அமைப்பை நகலெடுக்காமல் லீடர்போர்டு எண்களை நம்புதல். [2][3]
புக்மார்க் செய்ய வேண்டிய ஆதாரங்கள் 🔗
நீங்கள் முதன்மைப் பொருட்கள் மற்றும் பாடக் குறிப்புகளை விரும்பினால், இவை அடிப்படைகள், பயிற்சி மற்றும் வரையறைகளுக்கு தங்கம். குறிப்புகள் பகுதியைப் பார்க்கவும்: CS231n குறிப்புகள், ImageNet சவால் தாள், COCO தரவுத்தொகுப்பு/மதிப்பீட்டு ஆவணங்கள், OpenCV ஆவணங்கள் மற்றும் NIST FRVT அறிக்கைகள். [1][2][3][4][5]
இறுதி குறிப்புகள் - அல்லது மிக நீளமானது, படிக்கவில்லை 🍃
செயற்கை நுண்ணறிவில் கணினிப் பார்வை (Computer Vision) பிக்சல்களை முடிவுகளாக மாற்றுகிறது. சரியான பணியை சரியான தரவுகளுடன் இணைத்து, சரியான விஷயங்களை அளந்து, அசாதாரணமான ஒழுக்கத்துடன் மீண்டும் மீண்டும் முயற்சிக்கும்போது இது சிறப்பாகச் செயல்படுகிறது. இதற்கான கருவிகள் ஏராளமாக உள்ளன, செயல்திறன் சோதனைகள் பொதுவில் கிடைக்கின்றன, மேலும் நீங்கள் இறுதி முடிவில் கவனம் செலுத்தினால், முன்மாதிரியிலிருந்து உற்பத்திக்குச் செல்லும் பாதை வியக்கத்தக்க வகையில் குறுகியதாக இருக்கும். உங்கள் லேபிள்களைத் தெளிவாக அமைத்து, தாக்கத்திற்குப் பொருத்தமான அளவீடுகளைத் தேர்ந்தெடுத்து, கடினமான வேலைகளை மாடல்களைச் செய்ய விடுங்கள். ஒரு உவமை உங்களுக்குப் புரிந்தால் - மிக வேகமான ஆனால் நேரடியான ஒரு பயிற்சி ஊழியருக்கு முக்கியமானவற்றைக் கண்டறியக் கற்றுக்கொடுப்பது போல இதைக் கருதுங்கள். நீங்கள் எடுத்துக்காட்டுகளைக் காட்டி, தவறுகளைத் திருத்தி, படிப்படியாக உண்மையான பணிகளை அதனிடம் ஒப்படைக்கிறீர்கள். இது முழுமையானது அல்ல, ஆனால் ஒரு மாற்றத்தை ஏற்படுத்தும் அளவிற்கு நெருக்கமானது. 🌟
குறிப்புகள்
-
CS231n: கணினி பார்வைக்கான ஆழமான கற்றல் (பாடநெறி குறிப்புகள்) - ஸ்டான்போர்ட் பல்கலைக்கழகம்.
மேலும் படிக்கவும் -
இமேஜ்நெட் பெரிய அளவிலான காட்சி அங்கீகார சவால் (தாள்) - ருஸ்ஸகோவ்ஸ்கி மற்றும் பலர்.
மேலும் படிக்கவும் -
COCO தரவுத்தொகுப்பு மற்றும் மதிப்பீடு - அதிகாரப்பூர்வ தளம் (பணி வரையறைகள் மற்றும் mAP/IoU மரபுகள்).
மேலும் படிக்க -
OpenCV ஆவணமாக்கல் (v4.x) - முன் செயலாக்கம், அளவுத்திருத்தம், உருவவியல் போன்றவற்றுக்கான தொகுதிகள்.
மேலும் படிக்கவும் -
NIST FRVT பகுதி 3: மக்கள்தொகை விளைவுகள் (NISTIR 8280) - மக்கள்தொகை முழுவதும் முகம் அடையாளம் காணும் துல்லியத்தின் சுயாதீன மதிப்பீடு.
மேலும் படிக்கவும்