डेटासेट स्वास्थ्य जाँच
अपने डेटासेट की गुणवत्ता का आकलन करें और उसे सुधारें।
के बारे में
डेटासेट हेल्थ चेक किसी प्रोजेक्ट से जुड़े डेटासेट के बारे में आँकड़ों की एक श्रृंखला दिखाता है। आप निम्नलिखित जानकारी देख सकते हैं:
आपके डेटासेट में छवियों की संख्या;
एनोटेशनों की संख्या;
औसत छवि आकार;
मध्यिका छवि अनुपात;
गुम एनोटेशनों की संख्या;
शून्य एनोटेशनों की संख्या;
आपके डेटासेट में छवि आयाम;
ऑब्जेक्ट काउंट हिस्टोग्राम, और;
एनोटेशन स्थानों का हीटमैप।
डेटासेट हेल्थ चेक का उपयोग करके, आप अपने डेटासेट के बारे में कई प्रकार की जानकारियाँ प्राप्त कर सकते हैं। उदाहरण के लिए, यदि आपके पास कोई शून्य एनोटेशन नहीं है, तो आप जिस प्रोजेक्ट पर काम कर रहे हैं उसके आधार पर कुछ जोड़ने पर विचार कर सकते हैं; यदि कुछ छवियों में एनोटेशन गायब हैं, तो आप आवश्यक एनोटेशन जोड़ने के लिए और गहराई से जाँच कर सकते हैं।
किसी प्रोजेक्ट के लिए हेल्थ चेक देखने के लिए, डेटासेट पेज खोलें और "Health Check" टैब पर क्लिक करें:
फिर हेल्थ चेक टैब खुल जाएगा:
इस पृष्ठ पर, आप देख सकते हैं:
आपके train, test, और valid डेटासेट में छवियों के वर्गों की संख्या का विवरण।
आपके डेटासेट में छवियों के आकारों और आस्पेक्ट रेशियो का अवलोकन।
एक हीटमैप जो दिखाता है कि आपके अधिकांश एनोटेशन कहाँ हैं।
एक हिस्टोग्राम जो दिखाता है कि आपके डेटासेट की प्रत्येक छवि में कितने वर्गों को एनोटेट किया गया है।
वेब ऐप
आयाम अंतर्दृष्टि
आयाम अंतर्दृष्टि अनुभाग आपके डेटासेट में कच्ची छवियों के आकार और आस्पेक्ट रेशियो का वर्णन करता है।
यदि आप कोई प्रोजेक्ट संस्करण बनाते समय Resize augmentation लागू करते हैं - जिसे हम लगभग सभी उपयोग मामलों के लिए दृढ़ता से अनुशंसित करते हैं - तो आपके संस्करण में छवियों का आकार बदला जाएगा, लेकिन कच्ची छवियाँ वही रहेंगी।
एनोटेशन हीट मैप
जब आप किसी मॉडल को प्रशिक्षित कर रहे होते हैं, तो यह महत्वपूर्ण है कि आपका डेटासेट उन परिस्थितियों का प्रतिनिधि हो जिनमें आपका मॉडल तैनात किया जाएगा।
यदि आपका मॉडल ऐसे वातावरण में तैनात किया जाएगा जहाँ एनोटेशन कैमरा फ्रेम में कहीं भी दिखाई दे सकते हैं - उदाहरण के लिए, एक फैक्ट्री लाइन पर जहाँ अलग-अलग आकार की वस्तुएँ वास्तविक समय में चल रही हों, या फोन से ली गई किसी वस्तु की छवि में - तो यह महत्वपूर्ण है कि आप उन वस्तुओं को एनोटेट करें जो छवि में अलग-अलग स्थानों पर दिखाई देती हैं।
छवि के अलग-अलग हिस्सों में वस्तुओं को लेबल करने से यह सुनिश्चित होगा कि आपका मॉडल केवल विशिष्ट स्थानों पर वस्तुओं की पहचान करना ही न सीखे, यानी ओवरफिट न करे।
एनोटेशन हीट मैप दिखाता है कि छवियों में कहाँ अधिक या कम एनोटेशन हैं। इसका उपयोग उन परिदृश्यों की पहचान करने के लिए किया जा सकता है जहाँ आपके डेटासेट के एनोटेशन किसी विशेष स्थान पर बहुत अधिक केंद्रित हैं।
आप हीट मैप पर किसी क्षेत्र को खींचकर चुनी गई सीमा में छवियाँ देख सकते हैं:
छवि के अनुसार ऑब्जेक्ट काउंट का हिस्टोग्राम
यह आपको दिखाता है कि प्रत्येक छवि में एनोटेट किए गए कितने ऑब्जेक्ट मौजूद हैं, उसका वितरण।
यदि आपके मॉडल से गुज़रने वाली छवियों में किसी वस्तु के कई उदाहरण हो सकते हैं, तो हम अनुशंसा करते हैं कि आपका डेटासेट ऐसी छवियाँ शामिल करे जिनमें वस्तु के उदाहरणों की संख्या अलग-अलग हो। इससे यह सुनिश्चित करने में मदद मिलेगी कि आपका मॉडल किसी रुचि की वस्तु के बिना, एक वस्तु के साथ, या कई वस्तुओं वाली छवियों पर अच्छी तरह सामान्यीकरण कर सके।
यहाँ एक हिस्टोग्राम का उदाहरण है:
आप हिस्टोग्राम पर किसी भी बार का चयन करके किसी दिए गए काउंट वाली छवियाँ देख सकते हैं:
HTTP एपीआई
आप निम्नलिखित एंडपॉइंट का उपयोग करके किसी डेटासेट के लिए हेल्थ चेक आँकड़े प्राप्त कर सकते हैं:
यह वर्ग वितरण, एनोटेशन संख्या, छवि आयाम सारांश, और अन्य डेटासेट गुणवत्ता मीट्रिक्स लौटाता है। देखें डेटासेट स्वास्थ्य जाँच इन आँकड़ों का क्या अर्थ है, इसके बारे में अधिक जानकारी के लिए।
क्वेरी पैरामीटर
पुनः उत्पन्न करें
बूलियन
इसे सेट करें true ताकि स्वास्थ्य आँकड़ों की ताज़ा पुनर्गणना को बाध्य किया जा सके। डिफ़ॉल्ट रूप से, कैश किए गए परिणाम लौटाए जाते हैं।
प्रतिक्रिया
एंडपॉइंट डेटासेट हेल्थ आँकड़ों के साथ एक JSON ऑब्जेक्ट लौटाता है:
प्रतिक्रिया में छवि संख्या, एनोटेशन संख्या, वर्ग वितरण, और छवि आयाम आँकड़े जैसे डेटासेट-स्तरीय मीट्रिक्स शामिल हैं। हीटमैप और प्रति-छवि विवरण जैसे फ़ील्ड API प्रतिक्रिया से बाहर रखे गए हैं।
अंतिम अपडेट
क्या यह उपयोगी था?