Training Process CiRA CORE Platform and Object Detection Model Evaluation to Identify and Classify the Protozoan Trypanosome Species

시작하려면 일반 도구 모음에서 심층 학습 기능을 화면으로 이동하여 데이터 레이블 지정 및 훈련을 시작합니다. 딥 트레인 도구 설정 내에서 이미지 로드 버튼을 클릭하고 이미지를 가져오고 레이블을 지정할 이미지가 포함된 디렉터리로 이동합니다. 그런 다음 마우스 왼쪽 버튼을 클릭한 상태로 객체에 레이블을 지정하고 선택한 객체에 이름을 지정합니다.

GT 저장을 클릭하여 동일한 디렉토리에 dot GT 파일을 저장합니다. 모델 훈련을 시작하기 전에 gen 설정 버튼을 클릭하여 데이터 증강 기능에 액세스합니다. 네 가지 유형의 증강, 즉 회전, 대비, 노이즈 및 흐림을 활용하여 데이터 세트를 풍부하게 합니다.

모델 학습을 시작하려면 심층 학습 도구 내에 있는 학습 버튼을 클릭합니다. 훈련 파일 생성 함수에서 모델, 배치 크기 및 세분화를 선택합니다. 생성 버튼을 클릭하여 데이터를 생성하고 디렉토리에 저장합니다.

모든 설정을 구성한 후 학습 버튼을 클릭하여 모델 학습을 시작합니다. 프로그램은 훈련 손실을 평가하는 동안 데이터 세트 가중치를 자동으로 실행하고 조정합니다. 최적의 손실에 도달하면 내보내기 버튼을 클릭하고 가중치 파일을 디렉토리에 저장합니다.

객체 감지 모델 평가를 진행하려면 플러그인 툴바에서 evaluate를 선택하고 eval detect 함수를 화면으로 이동합니다. 그런 다음 설정 버튼을 클릭하십시오. 세 개의 함수, detection, evaluate, plot이 나타날 때까지 기다립니다.

모델 평가를 시작하려면 구성 로드 버튼을 클릭하고 디렉터리에서 학습된 대기 파일을 가져옵니다. 이미지 파일 디렉터리에서 테스트 이미지를 가져오려면 찾아보기 버튼을 클릭합니다. 그런 다음 GT 로드 버튼을 클릭하여 GT 파일을 가져옵니다.

그런 다음 평가 단추를 클릭하여 디렉터리의 검색 모델을 평가합니다. 완료되면 결과는 각 클래스에 대한 참 긍정, 거짓 긍정, 거짓 부정, 재현율 및 정밀도와 같은 주요 매개 변수를 포함하는 클래스 이름별로 정렬된 동일한 디렉터리에 CSV 파일로 자동 저장됩니다. 정밀도 재현율 또는 PR 곡선을 생성하려면 plot 함수로 이동하십시오.

찾아보기를 클릭하여 디렉토리에서 CSV 파일을 가져옵니다. 목록에서 원하는 클래스를 선택하고 플롯 버튼을 클릭하여 PR 곡선을 시각화합니다. 저장 버튼을 클릭하여 PR 곡선의 AUC 값이 있는 이미지를 선택한 디렉토리에 필요한 이미지 형식으로 저장합니다.

영상 분류 모델 훈련 함수를 선택하려면 영상 도구 모음으로 이동하여 deep classif를 선택하고 classif train을 화면으로 이동하십시오. 학습용 이미지를 가져오려면 classif 학습 도구 설정 내에서 폴더 열기 버튼을 클릭하고 이미지가 포함된 디렉터리로 이동합니다. 훈련하기 전에 증강 버튼을 클릭하고 회전, 대비, 뒤집기, 노이즈 및 흐림과 같은 기술을 적용하여 데이터 세트를 보강합니다.

모델 훈련 과정을 시작하려면 classif 훈련 툴 내에서 gen train 버튼을 클릭하십시오. gen train에서 원하는 모델, 배치 크기, 세분화를 선택합니다. 생성된 데이터를 저장할 디렉토리를 할당하고 생성 버튼을 클릭합니다.

모든 구성이 완료되면 시작 버튼을 클릭합니다. 프로그램은 지속적으로 실행되어 학습 손실을 평가하고 필요에 따라 데이터 세트의 가중치를 조정합니다. 원하는 손실 수준에 도달하면 내보내기 버튼을 클릭하고 지정된 디렉토리에 가중치 파일을 저장합니다.