# Dataset Health Check

Dataset Health Check, किसी project से संबद्ध dataset के बारे में statistics की एक श्रृंखला दिखाता है। आप निम्न जानकारी देख सकते हैं:

* आपके dataset में images की संख्या;
* annotations की संख्या;
* औसत image size;
* मध्यिका image ratio;
* missing annotations की संख्या;
* null annotations की संख्या;
* आपके dataset में image dimensions;
* object count histogram, और;
* annotation locations का heatmap।

Dataset Health Check का उपयोग करके, आप अपने dataset के बारे में कई insights प्राप्त कर सकते हैं। उदाहरण के लिए, यदि आपके पास कोई null annotations नहीं हैं, तो आप जिस project पर काम कर रहे हैं उसके आधार पर कुछ जोड़ने पर विचार कर सकते हैं; यदि कुछ images में missing annotations हैं, तो आवश्यक annotations जोड़ने के लिए आप और गहराई से जाँच कर सकते हैं।

किसी project के लिए Health Check देखने के लिए, Dataset page खोलें और "Health Check" tab पर click करें:

<figure><img src="/files/c8bd19f4ef0e88056e1dc89064704473cf93f2af" alt=""><figcaption></figcaption></figure>

इसके बाद Health Check tab खुल जाएगा:

<figure><img src="/files/2787e868567b0d2a7126a0e0054ab655168a96b5" alt=""><figcaption></figcaption></figure>

इस page पर, आप देख सकते हैं:

* अपने train, test, और valid datasets में images के अंदर classes की संख्या का breakdown।
* आपके dataset में images के sizes और aspect ratios का overview।
* एक heatmap जो दिखाता है कि आपकी अधिकांश annotations कहाँ हैं।
* एक histogram जो दिखाता है कि आपके dataset की प्रत्येक image में कितनी classes annotated हैं।

### Dimension Insights

Dimension Insights section आपके dataset में raw images के sizes और aspect ratios का वर्णन करता है।

यदि आप कोई project version बनाते समय Resize augmentation लागू करते हैं — जिसे हम लगभग सभी use cases के लिए दृढ़ता से recommend करते हैं — तो आपके version में images का size बदला जाएगा, लेकिन raw images वही रहेंगी।

<figure><img src="/files/14053aa148aefbb43a9f22ed83b89713c33712f3" alt=""><figcaption></figcaption></figure>

### Annotation Heat Map

जब आप कोई model train कर रहे होते हैं, तो यह महत्वपूर्ण है कि आपका dataset उन परिस्थितियों का प्रतिनिधित्व करे जिनमें आपका model deploy किया जाएगा।

यदि आपका model ऐसे environment में deploy किया जाएगा जहाँ annotations camera frame में कहीं भी दिखाई दे सकते हैं — उदाहरण के लिए, एक factory line पर जहाँ अलग-अलग sizes वाली objects real time में move कर रही हों, या किसी object की phone से ली गई image में — तो यह महत्वपूर्ण है कि आप image में अलग-अलग जगहों पर दिखाई देने वाली objects को annotate करें।

image के अलग-अलग हिस्सों में objects को label करने से यह सुनिश्चित होगा कि आपका model केवल specific places पर objects की पहचान करना ही न सीखे और overfit न करे।

Annotation Heat Map दिखाता है कि images में annotations कहाँ अधिक या कम हैं। इसका उपयोग उन scenarios की पहचान करने के लिए किया जा सकता है जहाँ आपके dataset की annotations किसी विशेष स्थान पर बहुत अधिक concentrated हैं।

<figure><img src="/files/52d3d38c6f97c0e6311afec891201404f1c4f554" alt=""><figcaption></figcaption></figure>

आप Heat Map में किसी area पर drag करके चुनी गई range में images देख सकते हैं:

<figure><img src="/files/5a41a6597d9f425998c7253a1fd515f98a589374" alt=""><figcaption></figcaption></figure>

### Image के अनुसार Object Count का Histogram

यह आपको दिखाता है कि प्रत्येक image में कितनी annotated objects दिखाई देती हैं, उनका distribution क्या है।

यदि आपकी model से होकर गुजरने वाली images में किसी object के multiple instances हो सकते हैं, तो हम recommend करते हैं कि आपका dataset ऐसी images शामिल करे जिनमें object instances की अलग-अलग संख्या हो। इससे यह सुनिश्चित करने में मदद मिलेगी कि आपका model no, one, या multiple objects of interest वाली images पर अच्छी तरह generalise कर सके।

यहाँ histogram का एक example है:

<figure><img src="/files/a03e2c4610a0bc262c8554cb7678cf8a8a947616" alt=""><figcaption></figcaption></figure>

आप histogram पर किसी भी bar को select करके किसी दिए गए count वाली images देख सकते हैं:

<figure><img src="/files/09e4e0a9589836eb21d0016415a3a4d7ad0959e0" alt=""><figcaption></figcaption></figure>


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.roboflow.com/roboflow/roboflow-hi/datasets/dataset-health-check.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.