Conjunto de muestras de imágenes de entrenamiento

Las herramientas de ViDi se basan en aprendizaje profundo que enseña a una red neuronal alimentándola con datos de la red y haciendo que la máquina deduzca lo que se debería conseguir a partir de los datos aprendidos. Por tanto, son de vital importancia los datos que se introducen en la red. Así pues, es primordial preguntarse: "¿Qué le estoy enseñando a la red?".

Lo que está enseñando a la red se basa en su conjunto de muestras de imágenes de entrenamiento. Dicho conjunto representa los datos con que usted está alimentando su red. Para las herramientas de ViDi, las imágenes constituyen la columna vertebral del conjunto de datos que se usa para enseñar a las herramientas. Con aprendizaje profundo, se introduce un gran conjunto de datos en el sistema, a partir de los cuales el sistema deducirá lo que estamos intentando lograr. Por tanto, los datos, en este contexto las imágenes, tienen una importancia crítica.

Dentro del ámbito de aprendizaje profundo, los conjuntos de imágenes de entrenamiento representan los datos que se pasarán a la red. Cuando construya su conjunto de imágenes de entrenamiento, le convendría tener en cuenta lo siguiente:

  • ¿Mi conjunto de imágenes de entrenamiento es representativo de las imágenes en tiempo de ejecución? Esto incluye lo siguiente:

    • Iluminación: si va a haber variaciones en la luz, entonces su conjunto de entrenamiento debería incluir las variaciones de iluminación que espere en el tiempo de ejecución.
    • Color: ¿las piezas van a cambiar de color durante el tiempo de ejecución? En ese caso, debería incluir todas las variaciones de color.
    • Rotación/Escala: cuando se presenta la pieza ante la cámara, ¿se mostrará a escala o girada? Si es así, deberían incluirse tales variaciones.
    • Variación de una pieza a otra: si las piezas que se están inspeccionando pueden tener variaciones sutiles, entonces su conjunto de entrenamiento deberían incluir dichas variaciones.
    • Fondo: en muchos casos, las imágenes de la pieza se pueden capturar en el escritorio. Sin embargo, las piezas pasarán finalmente por una cinta transportadora, lo que proporciona un fondo mucho más interesante para las herramientas de ViDi. Si ese es el caso, debería obtener un conjunto de entrenamiento de la pieza en la cinta transportadora. Y, si el fondo no es importante para la inspección, puede enmascararlo. Por lo general, al enmascarar el fondo, mejorará el rendimiento de la herramienta ya que no enseña a la red información extraña.
  • ¿Mi conjunto de imágenes de entrenamiento aporta suficientes datos? Muchos de los problemas que surgen al programar las herramientas de ViDi pueden resolverse aportando más imágenes y datos y, luego, reentrenar las herramientas.
Consejo:  Si anota sus imágenes, es decir, si proporciona información descriptiva en los nombres de los archivos, como "buena", "mala", etc., puede ayudar a agilizar el proceso de etiquetado de sus imágenes.

Una vez categorizadas y recopiladas las imágenes, puede crear un conjunto de muestras de imágenes y utilizarlas en su Conjunto de entrenamiento.