Machine learning pratico per la visione artificiale
by Valliappa Lakshmanan, Martin Görner, Ryan Gillard
Capitolo 5. Creare set di dati di visione
Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: translation-feedback@oreilly.com
Per eseguire l'apprendimento automatico sulle immagini, abbiamo bisogno di immagini. Tra i casi d'uso esaminati nel Capitolo 4, la maggior parte riguardava l'apprendimento automatico supervisionato. Per questi modelli, abbiamo bisogno anche della risposta corretta, o etichetta, per addestrare il modello ML. Se intendi addestrare un modello di ML non supervisionato o un modello auto-supervisionato, come un Go o un autoencoder, puoi evitare le etichette. In questo capitolo vedremo come creare un dataset di apprendimento automatico composto da immagini ed etichette.
Suggerimento
Il codice di questo capitolo si trova nella cartella 05_create_dataset del repository GitHub del libro. Indicheremo i nomi dei file per gli esempi di codice e per i quaderni di appunti, se necessario.
Raccolta di immagini
Nella maggior parte dei progetti di ML, la prima fase consiste nel raccogliere i dati. La raccolta dei dati può avvenire in diversi modi: montando una telecamera a un incrocio, collegandosi a un catalogo digitale per ottenere fotografie di ricambi auto, acquistando un archivio di immagini satellitari, ecc. Può essere un'attività logistica (montaggio di telecamere per il traffico), tecnica (creazione di un software di collegamento al database del catalogo) o commerciale (acquisto di un archivio di immagini). ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access