Box Prompting

हमारे AI Labeling टूल के साथ इमेज annotate करें जो हर उदाहरण के साथ बेहतर होता है।

Box Prompting कई में से एक है AI Labeling विशेषताएँ। इस फीचर का उपयोग करने से credits हमारी सूचीबद्ध दरों पर खर्च होंगे credits page.

एनोटेशन टूलबार में Box Prompting सक्रिय करें।

Box Prompting समान वस्तुओं के लिए एनोटेशन उत्पन्न करने के लिए एक (या अधिक) प्रॉम्प्ट बाउंडिंग बॉक्स लेता है। प्रत्येक उदाहरण एक मॉडल को फाइन-ट्यून करता है जो हर छवि के साथ बेहतर होता जाता है। Box Prompting के साथ, आप डेटा सेट में कई बार दिखाई देने वाली वस्तुओं के चारों ओर मैन्युअल रूप से बाउंडिंग बॉक्स ड्रॉ करने में घंटों बचाते हैं।

चरण 1: प्रत्येक क्लास का कम से कम एक उदाहरण एनोटेट करें

Box prompting के लिए भविष्यवाणियाँ उत्पन्न करने के लिए कम से कम एक बाउंडिंग बॉक्स एनोटेशन उदाहरण के रूप में बनाना आवश्यक है।

चरण 2: Box Prompting टूल सक्रिय करें

जादू देखने के लिए सुनिश्चित करें कि Box Prompting टूल सक्रिय है! Box Prompting आपके एनोटेशन के आधार पर भविष्यवाणियाँ生成 करेगा। जब भी आप कोई एनोटेशन सहेजते हैं या हटाते हैं, भविष्यवाणियाँ बिंदीदार रेखाओं के साथ दिखाई देंगी।

भविष्यवाणियाँ एनोटेशन नहीं हैं और इमेज से नेविगेट करने पर सहेजी नहीं जाएँगी। अपने भविष्यवाणियों को कैसे सहेजना है, इसके लिए चरण 4 देखें।

चरण 3: अपनी भविष्यवाणियों को फाइन-ट्यून करें

यहाँ से, आप कर सकते हैं:

कॉन्फ़िडेंस समायोजित करें

दिखाए जाने वाले भविष्यवाणियों की संख्या समायोजित करने के लिए स्लाइडर का उपयोग करके confidence threshold समायोजित करें। उच्च confidence का मतलब कम भविष्यवाणियाँ।

confidence threshold बदलकर दिखाई जाने वाली भविष्यवाणियों की संख्या समायोजित करें।

नकारात्मक उदाहरण प्रदान करें

यदि कोई गलत भविष्यवाणी होती है, तो आप बॉक्स पर राइट क्लिक करके "Convert to Negative" चुन सकते हैं। इससे मॉडल को भविष्य में इस प्रकार की वस्तु को लेबल न करने की शिक्षा मिलेगी। नकारात्मक उदाहरण शेडेड दिखेंगे।

आप मौजूदा एनोटेशन को भी उसी राइट क्लिक मेनू के माध्यम से नकारात्मक में बदल सकते हैं।

गलत भविष्यवाणियों पर राइट क्लिक करें और Convert to Negative एक नकारात्मक प्रॉम्प्ट प्रदान करने के लिए।

अतिरिक्त उदाहरण जोड़ें

आप जो भी अन्य लेबल के साथ अतिरिक्त एनोटेशन बनाते हैं वे मॉडल को छवि में विभिन्न वस्तुओं के बीच अंतर करने में मदद करेंगे। अधिक उदाहरण जोड़ने के बाद, आप नए भविष्यवाणियाँ उत्पन्न करने के लिए "Predict" पर क्लिक कर सकते हैं।

बेहतरीन परिणामों के लिए, अपनी छवियों में हर अनूठी वस्तु के 1-2 उदाहरण प्रदान करें।

आपको भविष्यवाणियों को फाइन-ट्यून करना आसान लग सकता है यदि आप confidence कम करें और अतिरिक्त भविष्यवाणियों को नकारात्मक में बदलें, बजाय इसके कि confidence को बहुत उच्च सेट करें।

चरण 4: भविष्यवाणियों को मंज़ूर करें

जब भविष्यवाणियाँ आपकी पसंद के अनुसार हों, तो "Approve Predictions" पर क्लिक करें। इससे सभी भविष्यवाणियाँ एनोटेशन में परिवर्तित हो जाएंगी, और सुनिश्चित होगा कि आप नेविगेट करने पर वे सहेजी जाएँ।

यहाँ से, आप सामान्य रूप से एनोटेशन संपादित और हटाना कर सकते हैं।

भविष्यवाणियों को इमेज पर सहेजने के लिए Approve करें।

चरण 5: और छवियों पर चलाएँ

जैसे-जैसे आप एनोटेट करते हैं, छवियाँ आपके प्रशिक्षण सेट में जोड़ी जाती हैं।

जब आप छवियों को एनोटेट करते हैं, तो Box Prompting उन किसी भी छवियों पर प्रशिक्षित होगा जिनमें मानव-खींचे या मानव-संपादित एनोटेशन हैं। (बिना संपादन के अनुमोदित भविष्यवाणियाँ शामिल नहीं की जाएँगी।)

इसका मतलब है कि आप नए छवियों पर बिना एक भी बॉक्स ड्रॉ किए "Predict" पर क्लिक कर सकते हैं और फिर भी भविष्यवाणियाँ उत्पन्न कर सकते हैं! आप टूल मेन्यू में प्रशिक्षण सेट में शामिल छवियों की संख्या देख सकते हैं।

सर्वोत्तम अभ्यास

प्रत्येक بصری रूप से अलग वस्तु के लिए एक उदाहरण प्रदान करें।

ऐसी छवियों पर जिनमें कई वस्तुओं की उपस्थिति समान हो, प्रत्येक महत्वपूर्ण रंग, आकार या कैमरा कोण विविधता के लिए कम से कम एक उदाहरण प्रदान करना सहायक हो सकता है।

इसी एनोटेशन सत्र में समान छवियों को एनोटेट करें।

Box prompting तब सबसे अच्छा काम करता है जब आपकी छवियों की सामग्री समान हो, जिससे आप अपने प्रशिक्षण उदाहरणों को तेजी से पुन: उपयोग कर सकते हैं जबकि भविष्यवाणियाँ生成 करते हैं।

त्रुटियों के संचय से बचने के लिए बाउंडिंग बॉक्स को कसें।

अक्सर, भविष्यवाणी किए गए बाउंडिंग बॉक्स का आकार उससे बड़ा होता है जितना होना चाहिए - गलती से बैकग्राउंड के हिस्सों को शामिल करने से बचने के लिए आकार घटाएँ।

Box Prompting फ़ोटोग्राफ या स्थिर फ्रेम पर सबसे अच्छा काम करता है।

हालाँकि हम दस्तावेज़ों या कंप्यूटर ग्राफिक्स के लिए भविष्यवाणियाँ प्रदान कर सकते हैं, Box Prompting फ़ोटो में आवर्ती आइटमों की पहचान के लिए बेहतर काम करता है।

सटीकता सुधारने के लिए नकारात्मक उदाहरण प्रदान करें।

यदि आप नोटिस करते हैं कि किसी विशेष एनोटेशन क्लास से झूठे सकारात्मक भविष्यवाणियाँ उत्पन्न हो रही हैं, तो आप राइट क्लिक कर के "Convert to Negative" चुन सकते हैं ताकि Box Prompting मॉडल को एक नकारात्मक उदाहरण प्रदान किया जा सके।

सीमाएँ

निर्णय लेते समय Box Prompting मॉडल को छवियों को डाउनस्केल करना पड़ता है। इसलिए, बड़े इमेज पर छोटे आइटमों का पता लगाने की कोशिश करते समय आप असंतोषजनक परिणाम प्राप्त कर सकते हैं।

आपको दोनों आयामों में 1000px या उससे कम छवियों पर आदर्श परिणाम मिलते हैं, और जब इमेज 2000px+ हो और छोटे बाउंडिंग बॉक्स (प्रति चौड़ाई/ऊंचाई ~5% से कम) हों तो आपको चेतावनी मिलेगी कि वे अच्छी तरह से काम नहीं करेंगे

ये सीमाएँ केवल Box Prompting पर लागू होती हैं। मॉडल प्रशिक्षण के दौरान, आप प्रशिक्षित मॉडलों के लिए इन प्रभावों को रोकने के लिए Tiling को एक preprocessing step वर्जन जनरेशन के दौरान लागू कर सकते हैं।