Deep Block에서 대용량 이미지를 분할하고 분석하는 방법을 알아보세요.
큰 이미지를 분할하는 것은 고해상도 사진을 효과적으로 분석하기 위한 필수적이고 중요한 과정입니다.
다음 기사에서 그 이유를 알아보세요.
이제 추론 과정에서 대용량 이미지를 분석하는 방법을 알아보겠습니다.
이 글에 제공된 단계별 지침을 쉽게 따르려면 https://app.deepblock.net/deepblock/store/project/plilk8byvlq664oxt를 방문하세요.
Step #1 - Prepare a model
- 처음부터 자신의 이미지를 사용하여 독특한 모델을 만들고 싶다면 이 기사를 읽어보세요.
- 누군가에게 맡기고 싶다면 저희에게 연락하세요.
- 또는다른 사람이 구축한 AI 프로젝트를 사용해 보세요.
- 이번 글에서는 설명을 위해 "The_power_of_tiling"이라는 프로젝트를 복사했습니다.
Step #2 - Zooming in
- 큰 이미지를 분석할 때는 이미지를 더 작은 조각으로 나누어 분석해야 합니다. 그 이유와 어려운 이유를 이해하려면 이 기사를 확인하세요.
- 인간과 마찬가지로 최신 컴퓨터 비전 모델은 눈에 보이지 않는 물체를 식별할 수 없지만 눈에 보이는 물체를 식별하는 데는 능숙합니다.
따라서 고해상도 이미지를 분석하려면 큰 이미지를 이해할 수 있는 조각으로 나누어야 합니다. - 확대하여 적절한 단위 조각 크기를 찾을 수 있습니다.
먼저, 찾고 있는 물체가 선명하게 보일 때까지 이미지 뷰어에서 이미지를 확대하세요.
Step #3 - If possible, check the training data you used.
- 이 예에서는 다른 사람이 트레이닝한 기계 학습 모델을 사용하여 4k 고해상도 드론 사진을 분석합니다.
- 훈련 이미지를 학습 모드에서 확인하면, 이미지의 타일 크기처럼 추론 이미지를 조각내어 분석하면 된다는 힌트를 얻을 수 있습니다.
- 여기서, 학습 데이터는 분할되지 않은 저해상도 영상입니다. 훈련 이미지의 분할 구성은 1 x 1이었습니다.
- 이미지 해상도 및 확대 정도를 학습 데이터의 확대 정도와 비슷하게 만들어봅시다.
Step #4 - Minimap
- 이미지를 자세히 살펴보시고 오른쪽 상단에 위치한 미니맵을 확인해 보세요.
- 이미지를 확대한 후 확대 배율을 계산하여 적절한 분할 상수를 설정할 수 있습니다. 이제 고해상도 이미지의 경우 나누기 상수를 계산하는 방법을 알아 보겠습니다.
Step #5 - How to divide
- 미니맵을 잘 살펴보세요.
이미지를 미니맵 창보다 약간 크게 분할하면 머신러닝 모델도 고해상도 이미지를 분할하여 분석합니다. 이 경우 행은 4, 열은 5가 됩니다. - "Configuration"버튼을 누르십시오.
- 나누기 상수를 설정합니다.
- 그리고 DIVIDE 버튼을 클릭하면 추론을 위한 이미지 분할이 완료됩니다.
Step #6 - Summary
- 모델이 분석할 이미지 조각은 다음과 같습니다.
Step #7 - Inference
- "Predict" 버튼을 클릭하고 기다리세요. 귀하의 모델은 4k 이미지를 잘 분석할 수 있습니다.
Performance comparison
- 나누지 않으면 다음과 같이 이미지에서 거의 아무것도 찾을 수 없습니다.
- 하지만 이미지를 2 x 2로 나누면 다음과 같이 이미지를 좀 더 잘 분석할 수 있습니다.
그러나 소형차는 아직 발견되지 않습니다. - 마지막으로 이미지를 4x5로 분할하면 이미지를 매우 정확하게 분석할 수 있습니다.
What are those squares?
- 이는 이미지를 나누는 방식과 관련이 있습니다.
- 실제로 큰 사진에서 큰 물체를 찾을 때 이런 일이 발생합니다.
- 큰 사진에서 큰 물체를 찾는 것은 이미지 크기 조정으로 해결할 수 있는 문제이므로 Deep Block이 해결하는 큰 사진에서 작은 물체를 찾는 것과는 관련이 없습니다.
- 사실, 이 사진에 보이는 사각형은 바다 표면이지만, "수표면 클래스" 없이 모델을 훈련시키면 이와 같은 것은 탐지하지 않습니다.
- 향상된 추론 결과나 이 문제에 대한 해결책을 찾고 계시다면 언제든지 저희에게 연락해 주세요. 안심하십시오. 옴니스랩스 주식회사는 이미 이러한 과제에 대한 솔루션을 제공할 수 있는 전문 지식 및 특허, 프로그램을 보유하고 있습니다.