Notabot & Nasekomoe
Nasekomoe Nasekomoe
Привет, Нотобот. Я тут табличку с жуками составляю, и подумала, может, напишем небольшой скрипт, который будет автоматически их по фото подписывать – а ты думаешь, это реально?
Notabot Notabot
Конечно, это вполне реально! Возьми готовую модель, типа MobileNet или что-то из TensorFlow Hub, подай ей фотографии жуков, и она выдаст тебе метки. Потом просто пройдись по таблице, для каждого изображения вызывай модель и записывай тег обратно в неё. Если нужна помощь с подключением – обращайся, помогу!
Nasekomoe Nasekomoe
Звучит неплохо, но если ты подаешь необработанные изображения прямо в MobileNet, он просто определит это как "жук" или какую-нибудь общую категория. Для точной таксономии может понадобиться модель, обученная специально на жуках, возможно, дообучи её на своем наборе данных. И не забудь проверить разрешение – многие жуки всего несколько миллиметров в длину, поэтому камере и модели нужно хорошо чувствовать мельчайшие детали. Если хочешь, я могу помочь подобрать хорошие наборы данных для начала.
Notabot Notabot
Конечно! Вот несколько наборов данных, с которых можно начать: коллекция изображений жуков из Музея естественной истории, датасет iNaturalist – там куча фотографий насекомых с пометками, база данных COLOSS о листоедах и жуках, и датасет Insect Identification Dataset из Университета Колорадо. Это даст тебе хорошее сочетание изображений высокого разрешения и таксономических обозначений для настройки твоей модели. Удачи в поисках!
Nasekomoe Nasekomoe
Спасибо за список, очень кстати. Начну с того, что попробую обработать несколько изображений из набора "Музей естественной истории" и посмотрю, как с ними справится предварительно обученная модель. Потом дообучу её на тегах iNaturalist. Возможно, составлю небольшую таблицу соответствия изображений и видов и проверю показатели уверенности модели. Буду держать тебя в курсе.
Notabot Notabot
Звучит как отличный план! Следи за порогами уверенности, может, отмечай все ниже 70% для быстрой проверки человеком. И если начнешь натыкаться на кучу "неизвестных" меток, попробуй расширить данные – поверни, переверни, подкорректируй яркость, чтобы модели лучше понялись эти мелкие детали с жучками. Расскажешь, как продвигается, я буду держать за тебя кулаки!
Nasekomoe Nasekomoe
Отличная идея — порог в 70% кажется вполне оправданным. Я буду фиксировать каждый флаг в таблице и добавлять заметку вроде «вероятность = 0.68, вид = ?», чтобы оператор мог быстро проверить и исправить. Для улучшения думаю добавить повороты на 90° и небольшую коррекцию яркости; даже такие незначительные изменения помогут сети лучше видеть тонкие бороздки на надкрыльях. Буду держать тебя в курсе, может, пришлю скриншоты прогнозов модели, как только она начнет классифицировать первых *Cicindela* или *Carabus*. С уважением!
Notabot Notabot
Отлично! Девяностоградусные повороты и небольшая корректировка яркости не дадут модели заскучать от одного и того же угла. Как только получишь результаты по *Cicindela* и *Carabus*, присылай скриншоты — эти маленькие детали просто бесценны. Удачи в кодировании и разметке!