बॉक्स प्रॉम्प्टिंग

हमारे एआई लेबलिंग टूल के साथ छवियों को एनोटेट करें जो हर उदाहरण के साथ बेहतर होता है।

Box Prompting कई में से एक है AI लेबलिंग फीचर्स। इस फीचर का उपयोग करने से क्रेडिट्स हमारी सूचीबद्ध दरों पर क्रेडिट्स पेज.

एनोटेशन टूलबार में Box Prompting को सक्रिय करें।

Box Prompting एक (या अधिक) प्रॉम्प्ट बाउंडिंग बॉक्स लेता है ताकि समान वस्तुओं के लिए एनोटेशन जेनरेट किए जा सकें। प्रत्येक उदाहरण एक मॉडल को फाइन-ट्यून करता है जो हर इमेज के साथ बेहतर होता जाता है। Box Prompting के साथ, आप उन वस्तुओं के चारों ओर मैन्युअली बाउंडिंग बॉक्स बनाने में घंटों का समय बचाते हैं जो एक डेटासेट में कई बार दिखाई देती हैं।

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

Box prompting के लिए आपको भविष्यवाणियों को जेनरेट करने के लिए कम से कम एक बाउंडिंग बॉक्स एनोटेशन बनाना आवश्यक है।

चरण 2: Box Prompting टूल को सक्रिय करें

सुनिश्चित करें कि Box Prompting टूल सक्रिय है ताकि आप जादू देख सकें! Box Prompting आपके एनोटेशन के आधार पर भविष्यवाणियां जेनरेट करेगा। भविष्यवाणियां डॉटेड लाइनों के साथ दिखाई देंगी जब भी आप कोई एनोटेशन सेव या डिलीट करेंगे।

भविष्यवाणियां एनोटेशन नहीं हैं और इमेज से बाहर जाने पर सेव नहीं होंगी। अपनी भविष्यवाणियों को सेव करने के लिए चरण 4 देखें।

चरण 3: अपनी भविष्यवाणियों को फाइन-ट्यून करें

यहां से, आप कर सकते हैं:

विश्वास स्तर समायोजित करें

स्लाइडर का उपयोग करके कॉन्फिडेंस थ्रेशोल्ड को समायोजित करें ताकि दिखाई देने वाली भविष्यवाणियों की संख्या बदली जा सके। अधिक कॉन्फिडेंस का अर्थ है कम भविष्यवाणियां।

कॉन्फिडेंस थ्रेशोल्ड बदलकर दिखाई देने वाली भविष्यवाणियों की संख्या समायोजित करें।

नकारात्मक उदाहरण दें

यदि कोई गलत भविष्यवाणी होती है, तो आप बॉक्स पर राइट क्लिक करके "Convert to Negative" चुन सकते हैं। इससे मॉडल को सिखाया जाएगा कि भविष्य में इस प्रकार की वस्तु को लेबल न करे। नकारात्मक उदाहरण छायांकित दिखाई देंगे।

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

गलत भविष्यवाणियों पर राइट क्लिक करें और Convert to Negative नकारात्मक प्रॉम्प्ट देने के लिए।

अतिरिक्त उदाहरण जोड़ें

आप जो भी अतिरिक्त एनोटेशन अन्य लेबल के साथ बनाते हैं, वे मॉडल को इमेज में विभिन्न वस्तुओं के बीच अंतर करने में मदद करेंगे। अधिक उदाहरण जोड़ने के बाद, आप "Predict" पर क्लिक करके नई भविष्यवाणियां जेनरेट कर सकते हैं।

सर्वश्रेष्ठ परिणामों के लिए, अपनी इमेजेज में हर अद्वितीय वस्तु के 1-2 उदाहरण दें।

आप पाएंगे कि भविष्यवाणियों को फाइन-ट्यून करना आसान है यदि आप कॉन्फिडेंस कम रखते हैं और अतिरिक्त भविष्यवाणियों को नकारात्मक में बदलते हैं, बजाय इसके कि कॉन्फिडेंस उच्च सेट करें।

चरण 4: भविष्यवाणियों को स्वीकृत करें

एक बार जब भविष्यवाणियां आपकी पसंद के अनुसार हों, तो "Approve Predictions" पर क्लिक करें। इससे सभी भविष्यवाणियां एनोटेशन में बदल जाएंगी, और यदि आप बाहर जाएंगे तो वे सेव हो जाएंगी।

यहां से, आप सामान्य रूप से एनोटेशन संपादित और हटाने कर सकते हैं।

भविष्यवाणियों को स्वीकृत करें ताकि वे इमेज में सेव हो जाएं।

चरण 5: और इमेजेज पर चलाएं

जैसे-जैसे आप एनोटेट करते हैं, इमेजेज आपके ट्रेनिंग सेट में जुड़ती जाती हैं।

जैसे-जैसे आप इमेजेज एनोटेट करते हैं, Box Prompting उन इमेजेज पर प्रशिक्षित होगा जिनमें मानव द्वारा बनाए या संपादित एनोटेशन हैं। (जो भविष्यवाणियां बिना संपादन के स्वीकृत होती हैं, वे शामिल नहीं होंगी।)

इसका मतलब है कि आप नई इमेजेज पर "Predict" पर क्लिक कर सकते हैं बिना एक भी बॉक्स बनाए और फिर भी भविष्यवाणियां जेनरेट कर सकते हैं! आप टूल मेनू में ट्रेनिंग सेट में शामिल इमेजेज की संख्या देख सकते हैं।

सर्वोत्तम अभ्यास

प्रत्येक दृश्य रूप से भिन्न वस्तु के लिए एक उदाहरण दें।

उन इमेजेज पर जिनमें कई समान दिखने वाली वस्तुएं हैं, प्रत्येक महत्वपूर्ण रंग, आकार या कैमरा एंगल के लिए कम से कम एक उदाहरण देना उपयोगी हो सकता है।

समान इमेजेज को एक ही एनोटेशन सत्र में एनोटेट करें।

Box prompting तब सबसे अच्छा काम करता है जब आपकी इमेजेज में समान सामग्री हो, जिससे आप अपने ट्रेनिंग उदाहरणों का तेजी से पुन: उपयोग कर सकते हैं।

त्रुटियों के संचय से बचने के लिए बाउंडिंग बॉक्स को टाइट करें।

अक्सर, भविष्यवाणी किया गया बाउंडिंग बॉक्स जितना होना चाहिए उससे बड़ा होता है - आकार कम करें ताकि गलती से बैकग्राउंड के हिस्से शामिल न हों।

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

हालांकि हम दस्तावेज़ों या कंप्यूटर ग्राफिक्स के लिए भविष्यवाणियां प्रदान कर सकते हैं, Box Prompting फोटो में दोहरावदार वस्तुओं की पहचान के लिए सबसे अच्छा काम करता है।

सटीकता बढ़ाने के लिए नकारात्मक उदाहरण दें।

यदि आप देखते हैं कि कोई विशेष एनोटेशन क्लास गलत सकारात्मक भविष्यवाणियां देती है, तो आप राइट क्लिक करके "Convert to Negative" चुन सकते हैं ताकि Box Prompting मॉडल को नकारात्मक उदाहरण दिया जा सके।

सीमाएं

Box Prompting मॉडल को अनुमान लगाते समय इमेजेज को डाउनस्केल करना पड़ता है। इसलिए, जब आप बड़ी इमेज पर छोटे आइटम का पता लगाने की कोशिश करते हैं तो आपको असंतोषजनक परिणाम मिल सकते हैं।

आपको इमेजेज के साथ सबसे अच्छे परिणाम मिलते हैं जिनका कोई भी डायमेंशन 1000px या उससे कम है, और आपको चेतावनी मिलेगी जब इमेज 2000px+ हो और छोटे बाउंडिंग बॉक्स (चौड़ाई/ऊंचाई का ~5% से कम) हों जो अच्छी तरह काम नहीं करेंगे

ये सीमाएं केवल Box Prompting पर लागू होती हैं। जब मॉडल ट्रेनिंग करते हैं, तो आप Tiling को एक प्रीप्रोसेसिंग स्टेप संस्करण जेनरेशन के दौरान लागू कर सकते हैं ताकि प्रशिक्षित मॉडलों के लिए इन प्रभावों को रोका जा सके।

Last updated

Was this helpful?