마킹 검토

도구가 트레이닝되면, 데이터베이스 내의 이미지와 새로 취득된 이미지를 프로세싱하여, 발견한 feature에 마킹을 배치할 수 있습니다. 마킹은 Deep Learning에 의해 생성된 결과로, 신경망 모델의 해석을 그림으로 표시하는 데 이용되며 통계적 결과도 이를 이용해 만들어집니다. 이들은 트레이닝 이전에 수행된 라벨링에 기초하여, 도구가 이미지 내에서 식별한 문자, feature, 영역에 배치하는 그래픽 요소입니다. Blue 위치 도구의 경우, 마킹은 일련의 feature 및 모델 매칭을 포함합니다.

Alt + 왼쪽 화살표 및 Alt + 오른쪽 화살표 키를 사용하거나 이미지의 우클릭 메뉴에서 전환 할 수 있습니다.

오버레이 체크박스에서 "마킹"을 활성화하면 마킹 오버레이를 나타낼 수 있습니다.

Mismatches(불일치)

Blue 위치 도구와 Blue 읽기 도구는 주황색 마킹으로 불일치를 나타냅니다. 불일치는 사용자가 라벨 지정한 이미지에서 시스템이 feature를 발견했지만, 해당 라벨 간에 불일치가 있거나 라벨 지정된 feature가 더 있을 수 있는 경우를 말합니다. 불일치가 발생하면, 처음 해야 할 일은 학습 이미지 샘플 Set의 라벨 지정 정확성을 점검하는 것입니다(이미지 내 feature의 조명 및 외관의 안정성 등 다른 사항도 점검해야 합니다. 자세한 내용은 이미지 캡처 항목 참조).

응용 프로그램 개발 중에 불일치가 나타나면, 이는 트레이닝 Set가 일반화되지 않았다는 것을 나타냅니다. 예를 들어, 두 feature 사이에 매우 미묘한 차이가 있는 응용 프로그램의 경우, Deep Learning이 아직 feature를 충분히 이해하지 못했으므로 불일치가 있을 수 있습니다. 간단히 말해서, Deep Learning이 (트레이닝 Set를 통해) 학습한 것과 프로덕션(테스트 Set의 프로세싱)에서 보는 것에 차이가 있는 것입니다. 이 단계에서는, 별개의 학습 및 이미지 샘플 Set를 생성해야 합니다. 이를 관리하는 것은 사용자에게 달려 있지만, 트레이닝 Set의 모든 이미지는 트레이닝되어야 합니다(100% 이용).

테스트 Set에서 불일치가 나온다면, 이는 도구가 적절히 일반화되지 않았음을 나타냅니다. 일반적으로, 이는 feature를 적절히 포착하지 않은 이미지에 기인합니다. 즉, 이미지 데이터베이스에 차이가 있는 것입니다. 이러한 경우, 사용자는 도구를 다시 트레이닝하는데, 이 때 불일치가 있는 포함한 이미지/뷰를 트레이닝 Set에 포함시키고 적절한 라벨을 지정해야 합니다.