輸出資料至DataVerse

VisionAI Observ 智慧偵測平台系統能將資料輸出至DataVerse-資料中心，讓您在上面篩選取樣圖片，進行AI模型訓練，讓您的AI模型持續進化。

快速開始

輸出資料至DataVerse，強大的資料篩選取樣工具，讓AI模型持續學習。點選下列影片快速瀏覽：

預覽您輸出的資料

進入「Detection」，切換至「Dataset」，檢視輸出至DataVerse的資料狀態，按下「View」能至DataVerse檢閱資料。

• Dataset / Descritpion : 名稱 / 描述

• Model : 輸出資料相關連的AI模型

• Status：狀態。

• View : 當資料匯出成功，可以按 View 在 DataVerse 查看資料狀況，決定如何進行標註以及AI模型訓練。

當批次輸出大量資料時，會有處理及資料傳輸的時間。

篩選及資料輸出至DataVerse

於右上方按下 「 Export to DataVerse 」 能將事件圖片，以及預先依照設定收集的圖片匯入DataVerse。

如何拜訪 DataVerse？開始使用 👉 https://linkervision.gitbook.io/dataverse/

您可以選擇將資料匯入現有的DataVerse專案Project，或者新建立一個。

• Dataset Name：資料集名稱

• Descritpion：資料集描述

• Model Repository：選擇要輸出資料相關的AI模型庫。系統會特別針對有此AI Model偵測的任務產出資料作為輸出基底。

• Model Version：選擇要輸出資料相關的AI模型版本。系統會特別針對有此AI Model偵測的任務產出資料作為輸出基底。

• Task：篩選要輸出的任務名稱。可以針對幾個需要做訓練的攝影機作挑選。

• Event & Status：篩選要輸出資料的事件，以及事件狀態。可以針對錯誤警告等資訊做挑選。

• Time Range：篩選要輸出資料的時間。可以針對特別景況的時間做篩選。

• Generate IQA：是否要在DataVerse產生Image Quality的資訊。細節參照 + DataVerse Generate IQA

按下「Create」建立資料集，並且匯出資料至DataVerse。

提示 💡

我們強烈建議將資料匯出至 DataVerse 前，先擬定資料篩選決策。

過多類似的資料，除了耗費標註資源外，對於訓練 AI 模型的幫助有限。

當面臨重新訓練 AI 模型的需求時，我們可以先了解當前 AI 模型偵測狀況，對事件作標註（正確或錯誤警示等），並且針對偵測較不準的時間區間（例如某個月份，或者某個特別的日期），針對特別不準的場景或攝影機，做資料篩選後再匯入DataVerse。

這樣可以避免大量匯出，在DataVerse面臨大量資料海，難以下手找到合適訓練資料的問題。

DataVerse Visualization 查看匯出的資料集

DataVerse 以資料中心概念設計而成，方便查找過濾取樣資料，挑選適合的資料進行標注以及AI訓練，之後能再將訓練好的AI模型放回 Observ，實現 AI 模型的持續進化。

您可以在 DataVerse 的 Data Visaulization，您可以看到輸出的資料外，還可以：

• Class：透過 Class 查找篩選相關的類別。您可以特別挑選一些較難偵測到的物件為主軸。

• IQA：透過圖片分析，過濾一些過暗、過曝、模糊，或是透過這個方式來收尋白天或晚上的圖片。細節參照 + DataVerse Generate IQA
• Annotation：篩選 Annotation 來比較即辨識不同 AI Model 產生的結果。

• Tag：由 Tag 帶的資訊，來限縮範圍。Observ資料匯出後，還是會將原本任務的屬性放入Tag，讓您方便查詢。包含場景、任務、攝影機、事件、事件狀態、圖片類型（事件或是收集圖片）等等。

• 最後，您能透過 DataVerse 的 Data Slice 採樣機制來挑選合適標註與訓練的資料，細節參考 + DataVerse Data Sampling

實際狀況發想 🧐

在 Observ 實際應用上，可能會發現固定式攝影機收到的圖片資料大同小異。

您可以透過 Image Collection的設定，設定AI Confidence Score 範圍，或者拉長擷取圖片的間隔時間，來挑選比較特別的照片 +收集您專屬的AI數據資料。

或者，在匯出資料至DataVerse下好資料篩選的決策，預先過濾一次。另外，您也可以透過一些自定義的事件來收集特殊的照片。

當您已經將資料匯入 DataVerse後，您也可以採取 IQA 篩選，Class 挑選，或者 Tag 挑選資料，並利用取樣機制（例如：依照攝影機平均取樣）來製作您專屬的資料集，進行模型的再訓練。