Herkesin Kullanabileceği Bir Computer Vision Çözümü
Dataguess CV Studio
Kod yazmadan, hızlı ve kolay bir şekilde Dataguess’in Computer Vision ürünlerinin geliştirmelerini bu platform üzerinden gerçekleştirebilirsiniz. Dilediğiniz kadar veri seti oluşturabilir, onlarca farklı model eğitebilir ve test edebilirsiniz.
AI modellerinin eğitimi için AI kameralardan tek tuşla görsel veri alabilir veya var olan görsel veriyi yükleyebilirsiniz.
Oluşturduğunuz görsel veriyi etiketleme araçlarıyla hızlıca etiketleyip veri seti oluşturabilirsiniz. Geliştirdiğiniz eğitilmiş AI modellerini dilediğiniz Edge de veya Cloud'da devreye alabilirsiniz.
Veri Seti Oluşturma
Computer Vision uygulamaları için veri seti oluşturma ve etiketleme, yapay zeka algoritmalarının doğru ve güvenilir sonuçlar üretmesi için oldukça önemlidir. Veri seti oluşturmak için izlenen adımlar şunlardır:
-
Veri Toplama: İlk adım, problem alanına uygun verileri toplamaktır. Bu veriler, kameralar veya sensörler yoluyla elde edilen görüntüler veya video kayıtları gibi verilerdir ve Dataguess Project Studio üzerinden kolaylıkla toplanabilmektedir.
-
* Veri Ön İşleme: Toplanan veriler, önceden işlenerek istenmeyen gürültüler, bozulmalar veya çift örnekler gibi hatalardan arındırılabilir.
-
Veri Etiketleme: Toplamış olduğunuz görüntü verileri, uygulama amacına uygun olarak etiketlenir. Projesi geliştirilecek nesne veya insan verileri kare içerisine almak veya çok noktalı seçim ile işaretlemek yeterlidir. Etiketleme işlemini Dataguess Project Studio üzerinde gerçekleştirmenin yanı sıra, üçüncü parti veri etiketleme uygulamaları ile de kolaylıkla yapabilirsiniz.
-
* Veri Bölümleme: Veriler, eğitim ve test setleri olarak bölümlere ayrılır. Eğitim seti, modelin öğrenmesi için kullanılırken, test seti, modelin performansını değerlendirmek için kullanılır.
-
* Veri Zenginleştirme: Veriler, yapay zeka algoritmalarının daha iyi performans göstermesi için zenginleştirilebilir. Örneğin, veriler, kontrast artırma veya renk düzenleme gibi tekniklerle geliştirilebilir.
-
* Veri Küçültme: Büyük veri setleri, model eğitimi için çok yavaş olabilir ve gereksiz bellek tüketebilir. Bu nedenle, veri seti boyutunu küçültmek için örnekleme teknikleri kullanılabilir.
Veri seti oluşturma ve etiketleme, yapay zeka modellerinin doğru ve güvenilir sonuçlar üretmesi için veri seti oluşturma ve etiketleme adımları dikkatlice yapılmalı ve kalite kontrolü yapılmalıdır.
* Olarak işaretlenen maddeler Dataguess AI Studio tarafından otomatik olarak yapılmaktadır.
CV Proje Yaratma ve Yapay Zeka Modeli Oluşturma
Dataguess'in sunduğu 5 temel ürün çatısı altında dilediğiniz projeyi kod yazmadan oluşturabilirsiniz.
Dataguess Inspector Kalite Kontrol ve Varlık-Yokluk
Dataguess Counter Ürün Sınıflandırma ve Sayma
Dataguess Observer İnsan Sayma ve Bölge Yoğunluk Haritalama
Dataguess Guard İSG ve Güvenlik
Dataguess Tracer Marker ve Ürün Arabası Takibi
Projenizin altında oluşturacağınız Yapay Zeka modelleri için Model Oluşturma Sihirbazıyla Model seçimi ve model parametrelerini belirleyerek modelinizi eğitime hazırlarsınız.
-
Model Seçimi: Probleme uygun CV modeli seçilir. Bir seçim yapmadığınızda optimum performans veren model otomatik olarak belirlenir. Yapay sinir ağı tabanlı modeller, özellikle derin öğrenme modelleri, Dataguess Project Studio'da bulunmaktadır. Model seçimi, veri setinin boyutu, yapısı, gereksinimleri ve uygulama amacı gibi faktörlere bağlıdır.
-
Model Parametrelerini Belirleme: Veri setinin eğitilebilmesi için gerekli parametreler model oluşturma sihirbazında belirlenir. Bir seçim yapmadığınızda optimum performans veren parametreler otomatik olarak belirlenir. Modelin doğruluğunu ve performansını artırmak için hiperparametreler, epoch sayısı ve öğrenme oranı gibi parametreler ayarlanır.
Yapay Zeka Model Eğitimi
Dataguess CV Studio eğitimi model oluşturma sihirbazında belirlemiş olduğunuz model tipi ve eğitim parametrelerini kullanarak yapar.
Eğitim veri setindeki model performansı, test veri setindeki performansı ile karşılaştırılır. Modelin doğruluğu, hassasiyeti, özgüllüğü, F1 skoru ve diğer performans metrikleri kullanılarak ölçülür. Bu metrikler model eğitiminden tamamlandığında incelemeniz için model detaylarında görüntülenir.
Bu aşamada, modelin aşırı uydurma (overfitting) sorunlarına karşı korunması ve test seti üzerindeki performansının doğru değerlendirilmesi verimlilik için önem taşır. Daha fazla veri toplama, model tipi ve eğitim parametreleri üzerinde çalışıldığında Modelin tahminleme performansı artacaktır.
Öne Çıkan Özellikler
Etiketleme arayüzüyle dilediğiniz görsel veriyi yükleyebilir, onları etiketleyebilir ve sınıflandırabilirsiniz. Ve veri setlerini dilediğiniz zaman güncelleyebilirsiniz.
Veri Setlerinizi Oluşturun, Computer Vision Kütüphanenizi Yaratın.
NO-CODE
NO-CODE
Kodlama Bilmenize Gerek Yok.
Dataguess Inspector kodlama yapmanıza gerek olmayan, uzun yazılım eğitimi süreçleri gerektirmeyen, yazılımcı olan yada olmayan herkesin kullanabileceği bir üründür.
Bir ürünü veya nesneyi dışarıdan destek almadan kolayca öğretebilir, bir güncelleme yaptığınızda Yapay Zeka modelinizi yeniden eğitip kullanmaya kullanmaya devam edebilirsiniz.
İhtiyacınız Kadar Nesne Öğretin veya Var Olanı Güncelleyin.
Dataguess CV Studio sık kullanılan haberleşme protokollerini destekler. Böylece kendi IT sistemlerinize kolayca entegre edebilirsiniz.
IT Sistemlerinize Entegre Edin.
CV Proje Yayınlama
Dataguess'sin ürünlerinden herhangi birini Edge'de veya Cloud'da bulunan bir bilgisayarda kolaylıkla yayınlayın.
