Daten für die Objekterkennung annotieren
PreviousBenutzerdefinierte HMI-Anwendungen bereitstellenNextBenutzerdefinierte KI-Modelle trainieren
Last updated
Last updated
Sie benötigen einen Computer mit Nvidia GPU, müssen CUDA, CUDNN installieren und das Module Downloader Window verwenden.
Das AugeLab Studio Bildannotierungsfenster ermöglicht es den Benutzern, Bilder zu annotieren, indem sie Begrenzungsrahmen um Objekte von Interesse zeichnen und diese mit bestimmten Klassen verknüpfen.
Um das Bildannotierungsfenster zu öffnen, navigiere zum oberen Menü und klicke auf AI Tools ➡️ Image Annotation.
Für die Bildannotation benötigen Sie zwei Dinge:
.class-Datei
Datensatz
Um Ihre Daten zu kennzeichnen, benötigen Sie zunächst eine classes.names-Datei, die eine Standardtextdatei mit der Erweiterung .names ist. Eine normale Klassendatei sieht wie folgt aus:
Wenn Sie eine solche Datei nicht haben, können Sie Ihre eigene im Abschnitt Classes erstellen:
Um Ihre eigene Klassendatei zu erstellen:
Geben Sie einen Klassennamen ein.
Klicken Sie auf +, um Ihre Klassen hinzuzufügen.
Klicken Sie auf Save Classes, und Sie sind bereit, einen Ordner auszuwählen.
Sie können auch auf - klicken, um unerwünschte Klassen zu entfernen.
Stellen Sie sicher, dass der Pfad zu Ihrem Datensatz keine nicht-englischen Zeichen enthält.
Klicken Sie auf Open Folder oben auf dem Bildschirm und wählen Sie den Ordner aus, der alle Ihre Bilder enthält:
Bild aus der Liste auswählen: Nachdem Sie den Bildordner geladen haben, wird eine Liste der verfügbaren Bilder angezeigt. Klicken Sie auf ein Bild, um es zur Annotation auszuwählen.
Das Annotieren von Bildern ist ziemlich einfach. Klicken Sie auf die obere linke Ecke des Objekts, das Sie erkennen möchten, ziehen Sie die Maus und lassen Sie sie los, wenn Sie fertig sind!
Der Datensatz bietet mehrere Funktionen:
Filter-Funktion, die es Ihnen ermöglicht, verschiedene Bildklassen zu filtern:
All Alle Bilder mit und ohne Annotation.
Annotated Bilder haben Annotationen.
Empty Bilder enthalten keine Annotationen, sind aber im Training enthalten. Das bedeutet, dass nicht annotierte Objekte das Training negativ beeinflussen können.
Excluded Bilder haben keine Annotationsdatei. Das bedeutet, dass sie das Training überhaupt nicht beeinflussen.
Die Search-Funktionalität ermöglicht es Ihnen, Bilder nach ihren Namen zu filtern.
Sie können auch Videodateien mithilfe des Video-Modus oben im Fenster annotieren:
Durch Ändern des Videomodus werden Sie nach einem Dateipfad gefragt. Wenn Sie das Video auswählen, können Sie das Video genau wie einen Ordner annotieren!
Es gibt mehrere Werkzeuge im Annotierungstool, die Ihnen bei der Vorbereitung Ihres Datensatzes helfen:
Wenn Sie auf die Analyse der Klassenhäufigkeit klicken, wird analysiert, wie viele Klassen in Ihrem Datensatz vorhanden sind.
Dies ist nützlich, um zu überprüfen, ob Sie einen ausgewogenen Datensatz haben oder nicht.
AugeLab Studio wendet automatisch eine Datensatzaugmentation an. Die Augmentation ist der Prozess der künstlichen Erstellung ähnlicher Daten.
Durch Klicken auf Apply Augmentation wird künstliches Datenmaterial erstellt und Ihre Annotationen auf den neu erstellten Bildern beibehalten.
Der Augmentationsprozess sollte nach Abschluss der Annotation durchgeführt werden.
Der Augmentationsprozess kann die Dateigröße Ihres Datensatzes um das 10-fache erhöhen.
Das Werkzeug zur Vorverarbeitung von Bildern ermöglicht es Ihnen, den Kontrast, die Helligkeit und das Gamma der im Fenster angezeigten Bilder zu ändern. Diese Funktion ist nützlich, wenn Sie es mit sehr dunklen oder zu hellen Bildern zu tun haben.
Das Tool zur Änderung der Klassen-ID ermöglicht es Ihnen, alle annotierten Klasseneinstanzen in eine andere Klasse zu ändern.
Dieses Tool ist nützlich, wenn Sie zwei verschiedene Datensätze zusammenführen.
Um ein benutzerdefiniertes Objekterkennungsmodell zu trainieren, siehe bitte Object Detection Train.
