Підхід до автоматизації анотування зображень для навчання моделей штучного інтелекту
DOI:
https://doi.org/10.20535/1560-8956.36.2020.209755Ключові слова:
розпізнавання образів, анотація зображень, машинне навчання, штучний інтелект.Анотація
У статті проведено аналіз процесу анотування зображень для навчання моделей штучного інтелекту в сучасних системах розпізнавання зображень з використанням сучасних програмних інструментів для анотування. Створено список вимог та параметрів до програмного додатку для анотування зображень, що в достатній мірі відповідає процесу анотування. Наведено графіки, що відображають ключові параметри процесу анотування зображень в сучасних додатках. Також розглянуто важливість ролі масового підходу до вирішення завдання з анотування зображень в сучасних системах розпізнавання. Розроблено додаток Yoloanno, що в повній мірі впроваджує всі вимоги до процесу анотування, як функціональні так і часові, та надає інструментарій для вирішення поставленого завдання, що доведено в результаті експериментів. Результати цієї роботи можна використати для
практичного вирішення завдання анотування зображень, а також наведенні підходи можуть бути застосовані при створенні нових додатків.
Бібл. 8, іл. 4
Посилання
Rajalingappaa S. . Deep Learning for Computer Vision: Expert techniques to train advanced neural networks using TensorFlow and Keras - 312 p., Packt Publishing, January 23, 2018. ISBN-10: 1788295625, ISBN-13: 978-1788295628
Neurotechnologies and neurocomputer systems: textbook. Yampolskyi L. S., Lisovichenko O.I., Oliynyk V.V. Kyiv: Dorado-Druk, 2016. 576 p. (Ukr.)
How to train YOLOv2 to detect custom objects. URL: https://timebutt. github.io/static/how-to-train-yolov2-to-detect-custom-objects/
BBox-Label-Tool: A simple tool for labeling object bounding boxes in images. URL: https://github.com/puzzledqs/BBox-Label-Tool
labelImg: LabelImg is a graphical image annotation tool and label object bounding boxes in images. URL: https://github.com/tzutalin/labelImg
Yolo_Label: GUI for marking bounded boxes of objects in images for training neural network Yolo v3 and v2. URL: https://github.com/developer0hye/Yolo_Label
Yolo_mark: GUI for marking bounded boxes of objects in images for training neural network Yolo v3 and v2. URL: https://github.com/AlexeyAB/Yolo_mark
Yoloanno – The YOLO annotation tool for Windows. URL: https://github.com/AntonYakovlev/Yoloanno
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у нашому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована нашим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у нашому журналі.
3. Політика журналу дозволяє і заохочує розміщення рукопису роботи авторами в мережі Інтернет (наприклад, на arXiv.org або на особистих веб-сайтах). Причому рукописи статей можуть бути розміщенні у відкритих архівах як до подання рукопису до редакції, так і під час його редакційного опрацювання. Це сприяє виникненню продуктивної наукової дискусії, позитивно позначається на оперативності ознайомлення наукової спільноти з результатами Ваших досліджень і як наслідок на динаміці цитування вже опублікованої у журналі роботи. Детальніше про це: The Effect of Open Access.
