Kadence

影像訓練

在影像訓練平台中,我們可以建立屬於自己的影像分類,並訓練影像辨識模型,透過這些訓練好的辨識模型,電腦就可以辨識鏡頭捕捉的影像是什麼物品。

影像訓練流程

  1. 點擊「影像分類」積木右鍵,選擇「影像訓練平台」,進入影像訓練平台。
    或直接點擊 影像訓練平台 連結進入。

    Web:Bit 影像訓練

  2. 在頁面中可以看到左側有「分類」和「模型」兩個選項,分別為「建立圖片庫」和「建立影像辨識模型」功能。

    Web:Bit 影像訓練

  3. 進行影像辨識前,需要先分別建立影像分類和模型,接著將分類放入模型中,就可以使用模型來進行影像辨識了。

建立影像分類

Web:Bit 影像訓練

首先在左側的側邊列選擇「分類」。
「分類」是用來存放建立過的分類,可以從名稱、圖片數量、修改時間的排序和搜尋功能來找到已建立的分類。

Web:Bit 影像訓練

建立分類

按下藍色的「新增」按鈕,會跳出「建立分類」的視窗,接著輸入分類名稱和選擇分享狀態,「私人分類」代表只有自己的帳號才能使用此分類;「公開分類」代表所有人都可以使用。

再來選擇影像上傳方式,可以從 4 種不同方式上傳影像,分別是:

  • 攝影鏡頭:使用裝置的攝影鏡頭拍攝影像。
  • 既有分類:從自己的分類列表中選擇多個分類,建立成一個新的分類。
  • 公開分類:使用他人建立的公開分類來建立分類。
  • Web:AI:透過 Web:AI 拍照上傳。

Web:Bit 影像訓練

使用攝影鏡頭上傳影像

  1. 選擇「攝影鏡頭」,會進入到擷取影像的頁面,這裡需要使用裝置相機,相機權限選擇「允許」。
  2. 等到相機畫面出現就可以按下綠色「擷取影像」按鈕來拍照,移動物品來讓鏡頭擷取不同角度和位置的影像,擷取影像的數量越多,影像辨識的準確度會越高。( 上限為 30 張 )
  3. 擷取完影像後,點擊「建立分類」按鈕,就可以在分類列表中看到剛剛建立的分類了。

按下 紅色「清除影像」按鈕 後,會將擷取的影像 全部刪除,點擊之前請先注意!

Web:Bit 影像訓練

建立完成後,就可以在分類列表中看到剛剛建立的分類了。

Web:Bit 影像訓練

修改分類

在分類列表中點選其中一項分類,會跳出「修改分類」的視窗,在這裡可以修改分類的名稱和分享狀態,修改完成後點擊「修改並儲存」按鈕,就可以完成修改。

Web:Bit 影像訓練

刪除分類

在分類列表中,可以勾選多個分類後刪除。

Web:Bit 影像訓練

建立影像模型

Web:Bit 影像訓練

建立完分類後,在左側的側邊列選擇「模型」。
「模型」中的列表是用來存放建立過的模型,可以從名稱、修改時間的排序和搜尋功能來找到已建立的模型。

模型訓練時,全平台限制 30 個模型同時訓練,若數量已達限制,請稍待 1 ~ 2 分鐘再重新嘗試。

Web:Bit 影像訓練

新增模型

按下藍色的「新增」按鈕,會跳出「新增模型」的視窗,接著輸入模型名稱和選擇分享狀態,「私人模型」代表只有自己的帳號才能使用此模型;「公開模型」代表所有人都可以使用。

再來選擇模型建立方式,可以從 3 種不同方式建立模型,分別是:

  • 挑選分類:從分類列表中挑選建立過的分類來建立模型。 ( 分類數量需為 2 個以上 )
  • 複製既有模型:從模型列表中複製曾經建立過模型。
  • 複製公開模型:複製他人建立的公開模型。

Web:Bit 影像訓練

點選「建立模型」後,就可以在模型列表中看到剛剛建立的模型了。

Web:Bit 影像訓練

若模型訓練等待過久,讓頁面重新整理,就可以看到建立的模型訓練完成了。

挑選分類

如果使用「挑選分類」來建立模型,需要選擇 2 個以上的分類放入模型中,才能辨識出不同的結果。

Web:Bit 影像訓練

建議多放入一個 背景 分類,因為當沒有偵測到物件時,辨識結果會顯示為其中一項分類。如果有放入 背景 分類,就能正常顯示辨識結果為背景。

修改模型

  1. 在模型列表中點選其中一項模型,會跳出「修改模型」的視窗,選擇「修改模型」進入下個頁面。
  2. 在這裡可以修改模型的名稱和分享狀態,修改完成後點擊「修改並儲存」按鈕,就可以完成修改。

Web:Bit 影像訓練

  • 如果點選的是複製的模型,會無法使用「修改模型」功能。

刪除模型

在模型列表中,可以勾選多個模型後刪除。

Web:Bit 影像訓練

測試模型

Web:Bit 影像訓練

模型建立完成後,可以使用「測試模型」功能來測試模型的辨識效果。點擊模型後,選擇「測試模型」就能進入測試。

開始辨識後,會顯示辨識結果和信心度,若信心度百分比越高,代表辨識錯誤的可能性越低。

Web:Bit 影像訓練

  • 辨識結果會因為場地的光線、背景、裝置鏡頭的角度而影響,因此對同一目標的辨識結果和信心度都會不同。
  • 因為影像訓練辨識的結果會落在一個區間範圍內,若信心度為 90%,代表有 90% 的機率真正的結果會落在這個區間範圍內。
分享