このコードパターンは、 IBM Maximo Visual Inspection の概要 学習経路.
まとめ
視覚認識モデルのトレーニングは反復的で退屈な作業になる可能性があります。通常、ユーザーは個々の画像を手動でアップロードしてラベルを付ける必要があります。このコード パターンは、Python スクリプトを使用してフォルダーのセットを監視することで、これらの反復的なタスクを自動化する方法を示します。画像が各フォルダーに追加されると、IBM Maximo Visual Inspection にアップロードされ、ラベルが付けられます。十分な画像がアップロードされると、画像認識モデルがトレーニングされます。
説明
このコード パターンは、カスタム視覚認識モデルを利用し、モデルの手動チューニングと再トレーニングに費やす時間を削減したいと考えているビジネス ユーザーを対象としています。これは、フォルダーの変更を監視する機能を持つ Python スクリプトを使用することで実現されます。イメージが指定された各フォルダーに追加されると、イメージは IBM Maximo Visual Inspection サービスに自動的にアップロードされ、それに応じてラベルが付けられます。これにより、UI を使用して個々の画像をアップロードしてラベルを付ける必要がなくなるため、トレーニング プロセスが大幅に簡素化されます。これにより、システム管理者に頼ることなく、IBM Maximo Visual Inspection モデルを継続的に更新できるようになります。
このコード パターンを完了すると、次のことができるようになります。
- 画像の分類と IBM Maximo Visual Inspection へのアップロードを自動化します
- IBM Maximo Visual Inspection でのモデルのトレーニングを自動化する
Flow
- ユーザーは、それぞれの画像をカテゴリのサブフォルダーにコピーします。
- スクリプトは追加された画像の数をカウントし、画像数がしきい値を超えているかどうかを判断します。
- 画像数が「アップロード」しきい値を超えると、スクリプトは POST リクエストを実行し、カテゴリごとに画像をアップロードします。
- 画像数が「トレーニング」しきい値を超えると、スクリプトは POST リクエストを実行してモデルのトレーニングを開始します。
説明書
詳細な手順については、 README ファイル。 これらの手順では、次の方法を示します。
- リポジトリのクローンを作成します。
- 画像フォルダーとサブフォルダーを作成します。
- 設定ファイルに記入します。
- スクリプトを開始してテストします。
まとめ
このコード パターンでは、Python スクリプトを使用してフォルダーのセットを監視することで、反復的なタスクを自動化する方法を説明しました。コードパターンは IBM Maximo Visual Inspection の概要 学習パス。学習パスを続けるには、次のパターンを見てください。 IBM Maximo Visual Inspection の推論結果をダッシュボードにロードする.
出典: https://developer.ibm.com/patterns/upload-datasets-for-training-models-in-ibm-visual-insights/