Yapay zekâ görsel muayene için hatalar nasıl etiketlenir: sınırlayıcı kutu rehberi

Eğittiğimiz ilk hata algılama modeli berbattı ve suç bizdeydi. Fotoğraflar iyiydi, model de iyiydi. Hataların etrafına çizdiğimiz kutular ise darmadağındı ve model tam olarak ona gösterdiğimiz şeyi öğrendi: kafa karışıklığını.

O günden bu yana çok sayıda parça etiketledik, birlikte çalıştığımız insanlar da öyle, ve hep aynı birkaç konu karşımıza çıkıyor. Hiçbiri karmaşık değil. Çoğu, biri gösterdiği anda apaçık hâle geliyor. Bu yazı da işte onları göstermek için var.

Kısa özet

Fotoğrafları farklı açılardan, mesafelerden ve ışık koşullarında çekin ki model düzeneği değil hatayı öğrensin. Sonra her görüntüdeki her hatayı etiketleyin, her kutuyu sıkı çizin, her seferinde aynı şekilde etiketleyin, farklı hata tiplerinin kutularının örtüşmesine izin verin ve sonradan birleştirebileceğiniz ayrıntılı sınıflarla başlayın. Pratikte tek bir dürüst kutu kaçırılmış on kutudan iyidir, dağınık örneklerin veri kümesinde yeri yoktur ve iki kişi bir kutuyu farklı çizecekse o kutu büyük ihtimalle yanlıştır.

Fotoğraf çekmek: tek bir ilke

Bir model çeşitlilikten genelleme yapar. Bir iğne deliğinin her fotoğrafı aynı noktadan ve aynı lambanın altında çekilirse model o noktayı ve o lambayı öğrenir; bir parça ilk kez hafifçe dönük geldiğinde de tedirgin olur. Bu yüzden eğitim görüntüleri toplarken yapmaya değer tek şey hareket etmektir.

Farklı açılar. Hatanın etrafında dolaşın ve onu birkaç farklı taraftan çekin. Aynı iğne deliği tam karşıdan ve 45 derece açıyla farklı görünür, model de ikisiyle tanışmalıdır.

Farklı ışık ve arka plan. Parlak ışıkta, loş ışıkta, gölgede, tezgâhta, hat üzerinde. Model arka planı görmezden gelmeyi ancak arka plan değiştikçe öğrenir.

Farklı mesafeler. Yaklaşın, uzaklaşın. Kareyi dolduran bir hata da köşede küçücük bir nokta olarak kalan bir hata da modelin üretimde göreceği şeylerdir.

Kameranız hatta sabitse bunların hiçbiri sorun değildir. Sabit bir konum size çok tutarlı görüntüler ve o tek görünümde çok iyi olan bir model verir. Çeşitlilik en çok iPhone elde tutulduğunda ya da tek bir modelin birden fazla istasyonu kapsaması gerektiğinde önem kazanır.

Etiketleme: beş temel ilke

Bunlar Enao'ya özgü kurallar değil. Nesne algılama için yapılan her görüntü etiketlemesinde geçerlidirler ve kendinden emin bir modelle sizden sürekli iki kez kontrol etmenizi isteyen bir model arasındaki farkı yaratırlar.

1. Görüntüdeki her hatayı etiketleyin

İlk yanlış yaptığımız ilke buydu. Bir görüntüde üç hata varsa ve siz ikisini kutularsanız, modele üçüncüsünün arka plan olduğunu söylemiş olursunuz. Bunu bir veri kümesinde birkaç düzine kez yaparsanız gerçek alarmlarla yanlış alarmlar birbirine karışmaya başlar, çünkü aynı desen modele iki şekilde de gösterilmiştir. Görebiliyorsanız kutulayın.

2. Kutuyu hatanın etrafına sıkı çizin

Birkaç piksel paylı sıkı bir kutu hata deseninin tamamını öğretir, başka hiçbir şeyi değil. Kutuyu kırparsanız desenin bir kısmı kaybolur. Gevşek bırakırsanız model tüm o arka planı görmezden gelmeyi öğrenmek zorunda kalır ve bunun için kimsenin etiketlemek istemeyeceği kadar çok örnek gerekir. Sıkı bir kutu üstelik daha hızlı çizilir, bu da güzel bir bonus.

3. Her seferinde aynı şekilde etiketleyin

Küçük hatalardan oluşan bir öbeği ele almanın gayet iyi iki yolu var. Her birini ayrı ayrı kutulayın ya da grubun etrafına tek bir kutu çizin. İkisi de işe yarar. İşe yaramayan, ikisini karıştırmaktır, çünkü o zaman model aynı durumun iki farklı şekilde etiketlendiğini görür ve karar veremez. Ekibinizin tutarlı biçimde uygulaması hangisi daha kolaysa onu seçin ve bir yere yazın.

4. Farklı hataların kutularının örtüşmesi sorun değil

Bir lekenin yanından geçen bir çizik hayatın olağan akışıdır. Çiziği kutulayın, lekeyi kutulayın, örtüşmelerine izin verin. Kısmi örtüşme hiçbir sorun yaratmaz. Kaçınılması gereken, farklı sınıflardan iki kutunun neredeyse tam olarak üst üste oturmasıdır, çünkü o zaman piksellerin hangi sınıfa ait olduğunu öğrenmenin hiçbir yolu kalmaz.

5. Ayrıntılı başlayın, sonra birleştirin

Derin çizik, ince çizik ve sürtünme izinin tek bir sınıf mı yoksa üç ayrı sınıf mı olduğundan emin değilseniz üçle başlayın. Sonradan birleştirmek tek bir tık. Bir araya topladığınız bir sınıfı bölmek ise her şeyin üzerinden yeniden geçmek demektir. Birleştirme zamanının geldiğini gösteren işaret, modelin iki sınıfı sürekli birbirine karıştırmasıdır. Bu genellikle, sizin için farklı anlamlar taşısalar da kameranın gözünde birbirlerine benzedikleri anlamına gelir.

Pratikte: zor yoldan öğrendiğimiz dört şey

Temel ilkeler kurallardır. Aşağıdakiler ise ancak gerçekten oturup kutu çizmeye başladığınızda karşınıza çıkan muhakeme kararlarıdır.

Çok sayıda hata, tek kutu

On beş minik noktanın etrafına on beş minik kutu çizmek bitmek bilmez ve on birinci kutu civarında birini kaçırırsınız. Biliyoruz, çünkü biz de kaçırdık. Öbeğin tamamının etrafına çizilen tek bir dürüst kutu daha hızlıdır ve model buna aldırmaz. Tutarlılık, küçük kutulardan daha önemlidir.

Dogmatik değil, verimli olun

Bazen doğru cevap, grup için bir kutu ve aykırı hata için bir kutu daha çizmektir. Evet, bu stilleri karıştırmak demek. Yine de sırf aykırı olanı yakalamak için arka planla dolu devasa bir kutudan ya da üçü kaçırılmış on beş ayrı kutudan iyidir. Bütün kuralların altındaki kural şudur: bir sonraki kişinin de aynı şekilde etiketleyeceği biçimde etiketleyin.

Dağınık örnekleri veri kümesinden çıkarın

Bazı görüntüleri tutarlı biçimde etiketlemek düpedüz imkânsızdır. Üst üste binen üç hata, birbirinden ayıramadığınız kenarlar, beş farklı kutu takımı çizecek beş kişi. Bunları çıkarın ve bundan dolayı kendinizi kötü hissetmeyin. İki yüz görüntülük temiz bir veri kümesi, bin görüntülük gürültülü bir veri kümesinden iyidir ve model üretimde örtüşen hataları yine de yakalar. Sadece onlardan öğrenmemelidir.

Öznel kutular yerine biraz daha fazla arka plan

Uzun bir çizik tek bir kutu da olabilir, altı kısa kutu da. Bunu kişilere bırakırsanız ikisini de alırsınız. Biraz fazladan arka plan içeren tek bir kutu ise herkes için aynıdır. Bir etiketleme kararı fareyi kimin tuttuğuna bağlıysa, kutuyu bu bağımlılık ortadan kalkana kadar büyütün.

Kaç görüntüye ihtiyacınız var?

Görüntüler iyiyse, sandığınızdan daha azına. Tek bir üründe tek bir hata tipi için 25 ila 50 iyi etiketlenmiş görüntü, üretim hattına koyup üzerinden öğrenebileceğiniz ilk model için genellikle yeterlidir. Projeleri batıran çoğu zaman görüntü azlığı değil, üç farklı şekilde etiketlenmiş yüz görüntüdür. Küçük başlayın, özenle etiketleyin, test edin, sonra modelin en zayıf olduğu yerlere görüntü ekleyin.

Sık sorulan sorular

Sınırlayıcı kutu etiketlemesi nedir?

Modelin bulmasını istediğiniz her şeyin, bu durumda her hatanın etrafına bir dikdörtgen çizmektir. Böylece model o şeyin neye benzediğini ve genellikle nerede ortaya çıktığını öğrenebilir. Görsel muayenede en yaygın görüntü etiketleme türüdür.

Kutu arka plan içermeli mi?

Birkaç piksel pay, daha fazlası değil. Hatanın kenarı kutunun içinde kalacak kadar, ama modelin çevreyi görmezden gelmeyi öğrenmek zorunda kalacağı kadar değil.

Kısmen gizli kalan bir hatayı nasıl etiketlerim?

Görebildiğiniz kısmı sıkıca kutulayın. Geri kalanı hakkında tahmin yürütmeyin. Hatanın büyük kısmı gizliyse, görüntünün veri kümesinde yer alması gerekip gerekmediğini sorgulayın.

İyi parçaları da etiketlemeli miyim?

Evet, onları kutusuz bırakarak. Hatası ve kutusu olmayan görüntüler modele normalin neye benzediğini öğretir ve bunlara en az hatalı görüntüler kadar ihtiyacınız var.

İki kişi bir etiket konusunda anlaşamazsa ne olur?

Bu, bir kazanan seçmenin değil, kuralı değiştirmenin işaretidir. Kutuyu büyütün, sınıfları birleştirin ya da ikiniz aynı şekilde çizene kadar örneği çıkarın.

Kendi parçalarınızda deneyin

Bunların işe yarayıp yaramadığını görmenin en iyi yolu, kendi hattınızdaki bir şeyin 25 görüntüsünü etiketleyip bunlarla bir model eğitmektir. Kayıt olmadan, altmış saniyede demoyu deneyin ya da ücretsiz başlayın.