이 코드 패턴은 IBM Maximo Visual Inspection 시작하기 학습 경로.
요약
시각적 인식 모델을 훈련하는 것은 반복적이고 지루할 수 있습니다. 일반적으로 사용자는 각 개별 이미지를 수동으로 업로드하고 라벨을 지정해야 합니다. 이 코드 패턴은 Python 스크립트를 사용하여 폴더 집합을 모니터링하여 이러한 반복 작업을 자동화하는 방법을 보여줍니다. 이미지가 각 폴더에 추가되면 IBM Maximo Visual Inspection에 업로드되고 레이블이 지정됩니다. 충분한 이미지가 업로드되면 이미지 인식 모델이 훈련됩니다.
상품 설명
이 코드 패턴은 사용자 정의 시각적 인식 모델을 활용하고 모델을 수동으로 조정하고 재교육하는 데 소요되는 시간을 줄이려는 비즈니스 사용자를 대상으로 합니다. 이는 폴더의 변경 사항을 모니터링하는 기능이 있는 Python 스크립트를 사용하여 수행됩니다. 지정된 각 폴더에 이미지가 추가되면 이미지가 IBM Maximo Visual Inspection 서비스에 자동으로 업로드되고 그에 따라 레이블이 지정됩니다. 각 개별 이미지를 업로드하고 라벨을 지정하기 위해 UI를 사용할 필요가 없기 때문에 학습 프로세스가 크게 단순화됩니다. 이를 통해 시스템 관리자에 의존하지 않고 IBM Maximo Visual Inspection 모델을 지속적으로 업데이트할 수 있습니다.
이 코드 패턴을 완료하면 다음을 수행할 수 있습니다.
- IBM Maximo Visual Inspection에 이미지 분류 및 업로드 자동화
- IBM Maximo Visual Inspection에서 모델 훈련 자동화
흐름
- 사용자는 각 이미지를 카테고리 하위 폴더에 복사합니다.
- 스크립트는 추가된 이미지 수를 계산하고 이미지 수가 임계값을 초과하는지 확인합니다.
- 이미지 수가 "업로드" 임계값을 초과하면 스크립트는 POST 요청을 실행하고 각 카테고리에 대한 이미지를 업로드합니다.
- 이미지 수가 "훈련" 임계값을 초과하면 스크립트는 POST 요청을 실행하여 모델 훈련을 시작합니다.
명령
자세한 지침을 얻으십시오 README 파일. 이 단계는 다음을 수행하는 방법을 보여줍니다.
- 저장소를 복제하십시오.
- 이미지 폴더와 하위 폴더를 만듭니다.
- 구성 파일을 입력합니다.
- 스크립트를 시작하고 테스트합니다.
결론
이 코드 패턴은 Python 스크립트를 사용하여 폴더 집합을 모니터링하여 반복적인 작업을 자동화하는 방법을 설명했습니다. 코드 패턴은 IBM Maximo Visual Inspection 시작하기 학습 경로. 학습 경로를 계속하려면 다음 패턴을 살펴보세요. IBM Maximo Visual Inspection 추론 결과를 대시보드에 로드.
출처: https://developer.ibm.com/patterns/upload-datasets-for-training-models-in-ibm-visual-insights/