Available with Image Server
Les échantillons d'entraînement permettent de déduire les fragments d'image pour entraîner les modèles de Deep Learning dans Deep Learning Studio. Les fragments d'image sont de petites images contenant l'entité ou l'objet présentant un intérêt utilisé pour entraîner le modèle de Deep Learning. Créez des échantillons d'entraînement en effectuant l'étape Prepare training data (Préparer les données d’entraînement). Lorsque vous sélectionnez l'étape Prepare training data (Préparer les données d’entraînement), vous devez configurer le projet pour la collecte des échantillons.
- Sélectionnez le projet Deep Learning Studio et ouvrez-le.
- Dans la page de sélection des étapes, sélectionnez Prepare training data (Préparer les données d’entraînement) pour lancer la collecte des échantillons d'entraînement.
Conseil :
Une invite de configuration du projet pour la préparation des données d'entraînement apparaît s'il n'a pas été déjà configuré.
- À l’invite, cliquez sur Yes (Oui) pour configurer le projet conformément à la section Configurer le projet pour l’entraînement de la rubrique Utiliser des projets Deep Learning Studio.
- Cliquez sur la sous-étape Collect training samples (Collecter les échantillons d’entraînement).
- Utilisez les outils de collecte pour sélectionner tous les échantillons d'entraînement dans l'unité de travail sélectionnée.
Les raccourcis clavier indiqués ci-dessous facilitent la collecte.
Afficher la liste des raccourcis
Alt + ?
Outil Carte
Rectangle
r
Cercle
c
Polygone
p
Sélectionner
s
Couches
e
Fond de carte
b
Filtrer
f
Navigation cartographique
Origine
Alt + h
Zoom avant
+
Zoom arrière
-
Pan
Touches de direction
Conseil :
Tous les raccourcis clavier sont destinés aux utilisateurs Windows. Pour les utilisateurs Mac, substituez la touche Option à la touche Alt.
- Cliquez sur Complete (Terminer) ou Complete and next (Terminer et suivant) pour collecter la prochaine unité de travail.
- Cliquez sur la sous-étape Review training samples (Examiner les échantillons d’entraînement) pour ouvrir le tableau de bord Work unit management (Gestion de l’unité de travail).
Le tableau de bord permet de voir le statut des unités de travail et des échantillons, et donc la progression du projet. Les graphiques changent de couleur en fonction du statut et se mettent à jour au fur et à mesure de la révision des unités de travail.
Remarque :
Une unité de travail ne peut être révisée que si le collecteur l'a marquée comme terminée.
Des informations relatives au projet s’affichent sur le côté droit du tableau de bord Work unit management (Gestion de l’unité de travail).
Remarque :
Pour obtenir des informations sur une unité de travail, cliquez sur la carte ou l'entrée de la table afin d'afficher des informations spécifiques sur cette unité de travail.
Les unités de travail peuvent être révisées individuellement ou collectivement.
- Si vous souhaitez réviser les unités de travail individuellement, sélectionnez l’unité de travail pour commencer le processus de révision des échantillons d’entraînement.
- Cliquez sur le bouton Review this work unit (Examiner cette unité de travail).
L’unité de travail s’ouvre avec tous les échantillons collectés répertoriés.
- Cliquez sur des échantillons d'entraînement individuels dans la liste Training samples (Échantillons d'apprentissage) pour les examiner.
Une fois qu'un échantillon a été sélectionné, les options Approve selected (Approuver les échantillons sélectionnés) et Reject selected (Rejeter les échantillons sélectionnés) apparaissent dans la boîte de dialogue.
- Marquez l'unité de travail comme Completed (Terminé).
La sous-étape retourne au tableau de bord, dans lequel vous pouvez vérifier la progression de toutes les unités de travail.
- Si vous souhaitez réviser les unités de travail collectivement, créez une sélection d’unités de travail, puis modifiez leur statut. Cliquez sur le bouton Filter (Filtrer) pour ouvrir la boîte de dialogue Filter (Filtrer).
- Activez une au moins des quatre options pour filtrer les unités de travail et définir les critères de filtrage.
Conseil :
Vous pouvez sélectionner n’importe quelle combinaison d’options de filtre pour choisir les unités de travail de votre choix. Vous verrez le nombre d’unités de travail sélectionnées entre parenthèses à côté de l’option de filtre.
- Dès que vous avez sélectionné une option de filtre, cliquez sur Apply (Appliquer) pour filtrer les unités de travail et créer la sélection.
- Cliquez sur le bouton Update (Mettre à jour) pour ouvrir la boîte de dialogue Update work unit(s) (Mettre à jour les unités de travail).
Conseil :
Le bouton Update (Mettre à jour) s'active uniquement après avoir fait une sélection.
Vous pouvez mettre à jour toutes les unités de travail sélectionnées en une seule fois, plutôt que les réviser individuellement. Ce processus permet de modifier le statut de plusieurs unités de travail en même temps.
- Choisissez la propriété qui va modifier les unités de travail parmi les options disponibles.
- Cliquez sur Apply (Appliquer) pour modifier le statut de l’unité de travail, l’utilisateur attribué ou le statut de l’échantillon.
- Activez une au moins des quatre options pour filtrer les unités de travail et définir les critères de filtrage.
- Cliquez sur le bouton Back (Retour) pour afficher le menu précédent.
- Cliquez sur Manage image chips (Gérer les fragments d’image) une fois que le projet dispose d'un nombre suffisant d'échantillons d'entraînement.
- Cliquez sur le bouton Export (Exporter) pour lancer l'exportation des fragments d'image en fonction des échantillons d'entraînement.
- Ajustez éventuellement les options de configuration et cliquez sur Export (Exporter).
Une fois que l'unité de travail a été marquée comme terminée, elle ne peut plus être sélectionnée dans la sous-étape Collect training samples (Collecter les échantillons d’entraînement). Une fois que l'unité de travail est prête pour vérification, marquez-la comme terminée afin de changer le statut en Pending review (Révision en attente).
Attention :
Si l’unité de travail a été marquée comme terminée de manière incorrecte, elle doit être définie sur Queued (En file d’attente) dans la sous-étape Review training samples (Examiner les échantillons d’entraînement) pour être à nouveau disponible.
Conseil :
Vous pouvez sélectionner et approuver plusieurs échantillons sans les vérifier de manière individuelle. Vous pouvez également approuver ou rejeter tous les échantillons en une seule fois en choisissant l’option Approval all pending (Approuver tous les échantillons en attente) or Reject all pending (Rejeter tous les échantillons en attente). En choisissant une option, les unités de travail sélectionnées et tous les échantillons d’entraînement qu’elle contient seront traités.
Raccourcis clavier pour l’examen des échantillons d’entraînement
Approuver les échantillons sélectionnés | Alt + a |
Rejeter les échantillons sélectionnés | Alt + r |
Standard | Alt + c |
Terminer et suivant | Alt + n |
Une fois que tous les échantillons d'entraînement ont été approuvés ou refusés, un message indique qu'ils ont tous été vérifiés.
Une fois que les fragments d'image ont été créés, l'étape suivante consiste à entraîner le modèle de Deep Learning, dans la sous-étape Train model (Entraîner le modèle).
En suivant ce processus, vous pouvez créer les échantillons d'entraînement et les fragments d'image pour l'entraînement du modèle de Deep Learning dans un processus complet de bout en bout. Plusieurs sous-étapes facultatives peuvent être utilisées dans le projet. Les sous-étapes supplémentaires sont fournies pour permettre la modification de projets existants lors de l'analyse. Les trois sous-étapes requises sont les suivantes :
- Collecter les échantillons d’entraînement
- Examiner les échantillons d’entraînement
- Gérer les fragments d’image
Lorsque les fragments d’image sont créés, ils sont disponibles pour l’entraînement de Deep Learning dans l’étape Train model (Entraîner le modèle). Si le modèle entraîné ne satisfait pas les conditions requises pour l'analyse, cette sous-étape peut être réexaminée. Vous pouvez modifier ou collecter des échantillons d'entraînement supplémentaires et créer des fragments d'image à utiliser dans le prochain entraînement de modèle.
Vous avez un commentaire à formuler concernant cette rubrique ?