Теперь, когда большинство смартфонов оснащены высококачественными камерами, а мобильные устройства есть у более чем 90 процентов населения, многие из нас носят в задних карманах тысячи файлов с фотографиями. В то время как телефоны предлагают несколько простых тегов, помогающих пользователям сортировать свои личные архивы, модели классификации компьютерного зрения предлагают простой и эффективный способ создания пользовательских узкоспециализированных моделей, которые могут помочь классифицировать визуальные данные с помощью персонализированных меток.
Платформа искусственного интеллекта Plainsight On-Demand для SaaS позволяет создавать пользовательские модели классификации быстро, легко и, самое главное, вам не нужно быть экспертом в области компьютерного зрения! Кривая обучения невелика для тех, кто имеет опыт обмена изображениями в Интернете, поскольку Plainsight предлагает интуитивно понятный интерфейс, который помогает пользователям выполнять пользовательскую классификацию, не требуя ускоренного курса программирования.
В этом посте мы проведем вас через процесс создания модели классификации за 6 простых шагов.
Что такое классификационная модель и почему она важна?
Модель классификации — это алгоритм компьютерного зрения, обученный категоризировать изображение. Модель учится делать это, постоянно просматривая изображения, которые были помечены вручную, пока она не обработает достаточно помеченных данных для точной автоматической классификации новых изображений. Это чрезвычайно полезно для сортировки изображений по доступным для поиска категориям.
Как построить классификационную модель
1.Выберите свои данные: я заядлый турист и люблю посещать Йосемитский национальный парк. Помимо возвышающихся гранитных стен, в Йосемити есть одни из самых красивых водопадов в мире. Мне нужен был способ сортировать мои многочисленные фотографии разных водопадов, чтобы я мог легко классифицировать их. Модель классификации компьютерного зрения идеально подходит для этого!
2. Загрузка ваших данных. С помощью платформы Plainsight On-Demand я смог перенести 143 фотографии водопада с моего локального устройства в папку проекта набора данных Yosemite Waterfalls.
3. Метки классификации. Далее я создал метки меток для водопадов, которые хотел классифицировать. Для этого проекта у меня были классификационные метки для 8 различных водопадов: водопад Йосемити, водопад Верхний Йосемити, водопад Нижний Йосемити, водопад Вернал, водопад Невада, водопад Иллилуэтт и водопад Чилнуална.
4. Маркировка данных: просматривая каждую фотографию, я присваивал правильную классификационную метку, пока не был помечен весь набор данных. Я очень хорошо знаю, как выглядят водопады, поэтому я тратил в среднем 2 секунды на каждое изображение.
5. Обучение модели. После того как набор данных будет помечен и отправлен, функция SmartML Plainsight упрощает обучение точной модели. После блокировки моего помеченного набора данных в версии я нажал команду «обучить модель» и стал ждать…
6. Результаты. Всего за 15 минут и с менее чем 200 фотографиями я смог создать классификационную модель для водопадов Йосемити с точностью 83%. Я был очень впечатлен! Наличие такой высокой точности в первой версии модели с таким небольшим объемом данных означает, что я на правильном пути, чтобы добиться успеха в создании высокоточной модели классификации.
С рабочей моделью классификации теперь я могу легко сортировать и классифицировать любые будущие фотографии водопадов в Йосемити, которые я буду делать, что действительно может сэкономить время!
Модели классификации компьютерного зрения могут использоваться, чтобы помочь архивариусам изображений, будь то любители или профессионалы, автоматизировать организацию и сэкономить время при поиске определенных изображений.
Пользователи Plainsight On-Demand могут создавать неограниченное количество меток классификации и легко обучать пользовательские модели классификации с помощью нашей функции обучения моделей SmartML без кода. Начните с регистрации прямо сейчас.» Для предприятий или архивариусов больших объемов, пожалуйста, запланируйте демонстрацию с нашей командой, чтобы обсудить ваши потребности и способы, которыми мы можем помочь вам преобразовать вашу визуальную библиотеку.
