Annotation สำคัญแค่ไหน? เปิดโลกการเตรียมข้อมูลสำหรับ Object Detection

[opj]

ในยุคที่เทคโนโลยีปัญญาประดิษฐ์ (AI) มีบทบาทสำคัญในชีวิตประจำวัน การพัฒนาระบบที่สามารถ "มองเห็น" และ "เข้าใจ" ภาพได้อย่างแม่นยำถือเป็นหัวใจสำคัญของนวัตกรรม เช่น ระบบตรวจจับวัตถุ (Object Detection) ที่ถูกนำไปใช้ในหลากหลายอุตสาหกรรม ตั้งแต่การรักษาความปลอดภัย การแพทย์ ไปจนถึงยานยนต์ไร้คนขับ กระบวนการสำคัญในการพัฒนาระบบเหล่านี้คือการ ทำ Annotation หรือการกำหนดตำแหน่งและคลาสของวัตถุในภาพอย่างถูกต้อง ข้อมูลที่ดีจากการทำ Annotation มีผลโดยตรงต่อความสำเร็จของโมเดล AI และเป็นก้าวแรกในการสร้างระบบที่ล้ำสมัยและแม่นยำ
การทำ annotation สำหรับ Object Detection คือการสร้างข้อมูลสำหรับฝึกโมเดล โดยกำหนดตำแหน่งของวัตถุในรูปภาพและระบุคลาสของวัตถุนั้น ๆ ขั้นตอนนี้สำคัญมากเพราะคุณภาพของ annotation มีผลโดยตรงต่อประสิทธิภาพของโมเดล Object Detection เช่น YOLO, SSD, Faster R-CNN เป็นต้น

ขั้นตอนการทำ Annotation

1. เตรียมรูปภาพ
   • รวบรวมรูปภาพที่เกี่ยวข้องกับวัตถุที่ต้องการตรวจจับ (เช่น รถ, คน, สัตว์ ฯลฯ)
   • รูปภาพควรมีความหลากหลาย เช่น มุมมอง, ขนาดวัตถุ, ความสว่าง หรือฉากหลัง เพื่อช่วยให้โมเดลมีประสิทธิภาพที่ดีขึ้น
2. เลือก Tool สำหรับ Annotation
   มีเครื่องมือที่นิยมใช้ ได้แก่:
   • LabelImg (ฟรี, ใช้งานง่าย)
   • CVAT (รองรับงาน Annotation ขนาดใหญ่)
   • LabelMe
   • Roboflow
   • Makesense.ai (ออนไลน์)
   • VGG Image Annotator (VIA)
3. กำหนดขอบเขตวัตถุ (Bounding Box)
   • วาดกล่อง (bounding box) รอบวัตถุในภาพ
   • ระบุ คลาส (class) ของวัตถุที่อยู่ในกล่อง เช่น person, car, dog เป็นต้น
4. จัดเก็บ Annotation
   Annotation จะถูกบันทึกในไฟล์ เช่น:

   โค้ด: เลือกทั้งหมด

   <class_id> <x_center> <y_center> <width> <height>
   

   โค้ด: เลือกทั้งหมด

   0 0.5 0.5 0.2 0.3
   

5. ตรวจสอบคุณภาพ Annotation
   • ตรวจสอบว่ากล่อง Bounding Box ครอบคลุมวัตถุได้ถูกต้อง
   • ระวังไม่ให้ annotation ซ้อนทับกันมากเกินไป หรือคลาดเคลื่อนจากขอบวัตถุ
   • หากมีหลายคนทำ annotation ควรมีการตรวจสอบเพื่อความสม่ำเสมอ
6. จัดชุดข้อมูล
   • แบ่งชุดข้อมูลเป็น Training, Validation, และ Test เช่น 70:20:10 หรือ 80:10:10

ตัวอย่างเครื่องมือ: LabelImg

LabelImg.jpg (83.27 KiB) Viewed 1880 times

1. ติดตั้ง LabelImg

   โค้ด: เลือกทั้งหมด

   pip install labelImg
   

2. เปิดโปรแกรม

   โค้ด: เลือกทั้งหมด

   labelImg
   

3. โหลดรูปภาพและเริ่มวาด bounding box
4. เลือกคลาสและบันทึกไฟล์ในรูปแบบที่ต้องการ (YOLO, Pascal VOC)

สรุป
การทำ Annotation สำหรับ Object Detection เป็นจุดเริ่มต้นที่สำคัญในการพัฒนาโมเดล AI ให้แม่นยำ ซึ่งสามารถต่อยอดไปยังงานอื่น ๆ ได้หลากหลาย เช่น ระบบตรวจจับใบหน้า สำหรับความปลอดภัย, การตรวจจับสินค้าในคลังสินค้า เพื่อการจัดการสต็อก, การวิเคราะห์ภาพทางการแพทย์ เช่น การตรวจหาเซลล์มะเร็ง, การตรวจจับวัตถุในยานยนต์ไร้คนขับ เพื่อเพิ่มความปลอดภัย และ การตรวจสอบความผิดปกติในอุตสาหกรรม เช่น ตรวจจับข้อบกพร่องในสายการผลิต ทั้งหมดนี้ล้วนช่วยยกระดับกระบวนการทำงานในหลากหลายอุตสาหกรรมได้อย่างมีประสิทธิภาพ

อ้างอิง
https://lengyi.medium.com/tensorflow-api-custom-object-detection-1-6b566686a285
https://github.com/HumanSignal/label-studio
https://www.bualabs.com/archives/3453/what-is-object-detection-tutorial-tensorflow-js-build-object-detection-machine-learning-coco-ssd-tfjs-ep-8/
https://lengyi.medium.com/an-introduction-to-object-detection-model-london-91d22d06b4d9