Afbeeldingen labelen met azure Machine Learning-hulpprogramma's voor gegevenslabels
We zijn nu klaar om aan de slag te gaan met ons zojuist gemaakte Azure Machine Learning-gegevenslabelproject. Om onze afbeeldingen voor te bereiden voor het trainen van een objectdetectiemodel, moeten we onze afbeeldingsgegevens op de juiste manier labelen. Deze taak omvat het tekenen van een begrenzingsvak rond de objecten van belang in onze gegevensset, die worden opgeslagen als metagegevens. Deze metagegevens worden vervolgens tijdens de training gebruikt, zodat we de nauwkeurigheid van ons model kunnen meten terwijl het in de loop van de tijd wordt getraind. De nauwkeurigheid van ons model wordt gecontroleerd door te verwijzen naar onze gelabelde afbeeldingsgegevens om te bepalen dat gedetecteerde objecten worden geïdentificeerd binnen de regio's die we hebben gedefinieerd.
Afbeeldingen labelen met azure Machine Learning-hulpprogramma's voor gegevenslabels
Navigeer naar uw Azure Machine Learning-gegevenslabelproject door de sectie Beheren in het linkerdeelvenster te zoeken en Gegevenslabeling te selecteren en vervolgens het zojuist gemaakte project te selecteren.
Selecteer in het resulterende scherm de knop Labelgegevens .
In de vorige stap wordt een hulpprogramma voor labelen geopend, waarmee u begrenzingsvakken kunt tekenen en objecten/defecten kunt taggen die aanwezig zijn in uw afbeeldingen. Er zijn meerdere sneltoetsen beschikbaar, die kunnen worden gecontroleerd in het deelvenster Sneltoetsen . Wanneer u afbeeldingen labelt, selecteert u de knop Verzenden om de gelabelde afbeelding op te slaan. Herhaal dit proces om minimaal 10 afbeeldingen te labelen (10 is de minimale hoeveelheid gelabelde steekproeven die vereist zijn voor aAzure Machine Learning Studio om een objectdetectiemodel in een experimenttaak te trainen).
