Go to documentation repository
Page History
신경망을 학습시키기 위해서는 실제 카메라에서 촬영한 비디오 녹화와 이미지를 수집하여 AxxonSoft에 제출해야 하며, 이들은 향후 애플리케이션에서 사용될 것과 동일한 해상도와 조건에서 촬영되어야 합니다.
예를 들어 신경망이 야외 비디오 피드를 분석하도록 설계된 경우, 촬영된 영상은 다양한 날씨 조건(맑음, 비, 눈, 안개 등)과 하루의 다양한 시간대(주간, 황혼, 야간)를 포함해야 합니다.
수집된 데이터에 대한 일반 요구 사항:
- 비디오 녹화 및 이미지를 수집할 때 사용하려는 감지 도구에 필요한 객체 이미지, 장면, 각도, 조명 및 비디오 스트림에 대한 특정 요구 사항을 충족해야 합니다 (검출 도구 설정 참조).
신경망을 다양한 시간대, 조명, 각도, 객체 유형 또는 날씨 조건에서 학습시키기 위해 필요한 경우, 각 조건에 대해 동일한 비율로 비디오 자료를 수집해야 하며 즉, 균형 잡힌 데이터가 되어야 합니다
To train neural networks, it is necessary to collect and submit to AxxonSoft video recordings and images from your actual cameras taken in the same resolution and under the same conditions as in your future application.
For example, if your neural network is intended to analyze outdoor video feed, your footage must contain all range of weather conditions (sun, rain, snow, fog, etc.) in different times of day (daytime, twilight, night).
General requirements for collected data:
- When collecting video recordings and images, specific requirements for object images, scene, angle, illumination and video stream must be met for those detection tools that you plan to use (see 검출 도구 설정);
If it is required to train the neural network in different conditions of time of day, lighting, angle, object types or weather, then the video material must be collected in equal shares for each condition, that is, it must be balanced.
Info title Note Example. It is necessary to detect a person in the surveillance area at night and during the day.
Data collected correctly:
- four video recordings of the surveillance area, each five minutes long;
- the object of interest appears in the frame in each video fragment;
- two fragments were recorded in night conditions, two—in daytime conditions.
Data collected incorrectly:
- three video recordings of the surveillance area, each five minutes long;
- the object of interest appears in the frame in each video fragment;
- two fragments were recorded in night conditions, one—in daytime conditions.
Extra requirements for video footage for each neural analytics tool are listed in the following table:
예시. 야간과 주간에 감시 구역에서 사람을 지해야 하는 경우,
올바르게 수집된 데이터:
- 감시 구역의 비디오 녹화 4개, 각 5분 길이
- 각 비디오 조각에서 관심 객체가 프레임에 나타남
- 두 개의 조각은 야간 조건에서, 두 개는 주간 조건에서 녹화됨
잘못 수집된 데이터:
- 감시 구역의 비디오 녹화 3개, 각 5분 길이
- 각 비디오 조각에서 관심 객체가 프레임에 나타남
- 두 개의 조각은 야간 조건에서, 하나는 주간 조건에서 녹화됨
각 신경 분석 도구에 대한 비디오 영상의 추가 요구사항은 다음 표에 나와 있습니다:
도구 | 요구사항 |
신경망 필터 | 주어진 장면 조건에서 다양한 객체가 포함된 최소 1000 프레임과 객체가 없는 프레임(노이즈 프레임) 동일 수 |
신경망 추적기 | 주어진 장면 조건에서 객체가 포함된 3~5분 길이의 비디오. 장면에서 상황의 수와 변동성이 많을수록 좋습니다. |
자세 감지 도구 | 사람이 없는 장면에서 10초 분량의 비디오 주어진 장면 조건에서 최소 100명의 다른 사람들 주의! 다양한 조건은 개인의 자세(기울임, 다른 팔꿈치 패턴 등)도 포함합니다. |
개인 보호 장비 감지 도구 | 객체에서 모든 참조 장비 목록과 예시를 수집하고 분석 제조업체와 협의해야 합니다 ( |
Tool | Requirements |
Neural Filter | At least 1000 frames containing different objects of interest in the given scene conditions, and the same number of frames containing no objects (noise frames) |
Neural Tracker | Three to five minutes of video containing objects of interest in the given scene conditions. The more the number and variability of the situations in the scene, the better |
Posture detection tools | 10 seconds of video of a scene with no persons. At least 100 different persons in the given scene conditions. Attention! Different conditions mean, among others, different postures of an individual in scene (tilting, different limbs patterns, etc.) |
Personal protective equipment detection tools | A list of all reference equipment with examples must be collected from the object and agreed with the analytics manufacturer (see 시설 내 유효한 장비 목록 제공 예시 참조). Several video recordings 3-5 minutes each with personnel in the given scene conditions. Personnel must move and change posture in the collected video recordings, as well as remove and put on equipment at intervals of 30 seconds. Since the Personal protective equipment detection tools are designed for artificial constant lighting, video recordings in other lighting conditions are not required |
| At least 1000 frames containing different objects of interest in the given scene conditions, and the same number of frames containing no objects (noise frames) | |
| Object presence detection tool | At least 1000 frames containing different objects of interest in the given scene conditions, and the same number of frames containing no objects (noise frames) |
Food recognition * | Images of at least 80% of the actual menu items must be provided. Each menu item requires 20 to 40 images shot in different conditions |
주어진 장면 조건에서 3~5분 길이의 여러 비디오 녹화 수집된 비디오에서는 인력이 이동하고 자세를 변경하며, 30초 간격으로 장비를 착용하거나 벗어야 합니다. 개인 보호 장비 탐지 도구는 인공 조명 하에서 설계되었으므로, 다른 조명 조건에서의 비디오 녹화는 필요하지 않습니다. | |
| 주어진 장면 조건에서 다양한 객체가 포함된 최소 1000 프레임과 객체가 없는 프레임(노이즈 프레임) 동일 수 | |
| 객체 존재 감지 도구 | 주어진 장면 조건에서 다양한 객체가 포함된 최소 1000 프레임과 객체가 없는 프레임(노이즈 프레임) 동일 수 |
음식 인식 * | 실제 메뉴 항목의 최소 80% 이미지를 제공해야 합니다. 각 메뉴 항목은 다양한 조건에서 촬영된 20~40개의 이미지가 필요합니다. |
위의 신경망 모델 학습을 위해 전송된 데이터 수집 요구 사항이 충족되고, 신경망이 학습 자료가 수집된 조건과 최대한 유사한 조건에서 작동하는 경우, 신경망 분석의 전체 정확도는 90%에서 97% 사이로 보장되며, 거짓 긍정 비율은 5-7%입니다. 일반 신경망*의 경우, 전체 정확도는 80-95%이며, 거짓 긍정 비율은 5-20%로 보장됩니다If the above requirements for the collection of data transmitted for training the neural network model are met, and if the neural network is operated in the conditions that are as similar as possible to the conditions in which the material for its training was collected, then the overall accuracy** of neural network analytics is guaranteed from 90% to 97% and the percentage of false positives is 5-7%. For general neural networks***, an overall accuracy of 80-95% and a false positive rate of 5-20% are guaranteed.
| Info | ||
|---|---|---|
| ||
* Will be available in future versions of 향후 버전의 Axxon One에서 제공될 예정입니다. ** Accuracy is indicated for a neural network model, which was trained under operating conditions정확도는 운영 조건에서 학습된 신경망 모델에 대해 표시됩니다. *** A general neural network is a neural network that was not trained under operating conditions.일반 신경망은 운영 조건에서 학습되지 않은 신경망입니다. |
요구 사항은 언제든지 변경되거나 추가될 수 있습니다The requirements may be changed or added to at any time.
Overview
Content Tools