Автоматичне призначення міток¶
Можливості супроводу digiKam для автоматичного призначення міток¶
Автоматичне призначення міток сканує зображення у вашій збірці, застосовуючи нейронну мережу, навчену ідентифікувати загальні об’єкти для кожного зображення. Об’єкти, ідентифіковані нейронною мережею, потім використовуються для встановлення міток кожного зображення. Коли сканування буде завершено, ви зможете шукати у своїй базі даних зображення, які містять птаха, м’яч чи автомобіль. Мітки, які створено процесом Призначення автоміток, потраплять до списку авто на панелі міток, щоб відрізнити їх від міток, які було призначено вручну.
Це та сама дія, доступ до якої ви можете отримати на панелі Мітки за допомогою кнопки Шукати автомітки. Щоб дізнатися більше про параметри Автоміток, зверніться до розділу щодо панелі перегляду «Мітки».
Для автоматичного встановлення міток передбачено чотири параметри, які користувач може змінити для керування тим, як digiKam визначає і встановлює мітки для об’єктів на знімку.
Режим сканування: режим сканування визначає, чи скануватиме digiKam усі зображення чи лише зображення, для яких ще не призначено мітку авто. Мітка авто пов’язується з зображеннями, для яких мірки було призначено автоматично. Мітку авто не буде призначено до зображень, мітки для яких було встановлено вручну.
Режим автоматичного призначення міток: під час застосування автоматичних міток ви можете вибирати між варіантами Оновити та Замінити наявні. Оновити додасть усі нові автоматичні мітки до наявних міток зображення. Замінити наявні вилучить усі наявні автоматичні мітки і замінить їх мітками, виявленими під час поточного сканування. Це не вплине на будь-які мітки, які не входять до мітки авто. Цей параметр корисний, якщо ви хочете запустити кілька сканувань із різними налаштуваннями і об’єднати результати.
Модель виявлення: модель виявлення – це нейронна мережа, яка використовується для виявлення об’єктів на зображенні. Типовою моделлю є EfficientNet B7. Модель EfficientNet B7 — це модель загального призначення, яка може одночасно виявляти 1000 різних об’єктів і сцен. Модель YOLOv11-Nano є швидшою та використовує менше пам’яті, ніж модель EfficientNet B7. Модель YOLOv11-Nano рекомендована для користувачів систем з обмеженою пам’яттю або повільнішими процесорами, а YOLOv11-XLarge рекомендована для користувачів систем з більшою пам’яттю та швидшими процесорами. Обидві моделі YOLOv11 навчені одночасно виявляти 80 різних об’єктів на основі набору даних COCO.
Точність: менші значення точності можуть дати змогу виявити більше об’єктів на зображенні, але це також призведе до збільшення кількості областей, неправильно визначених як об’єкти (хибні спрацьовування). Рекомендуємо стандартне значення 7 для звичайного використання.
Під час виконання автоматичного встановлення міток у нижньому правому куті головного вікна програми буде показано індикатор поступу.