Я превратил 149 тысяч «грязных» изображений в систему офлайн-распознавания

Разработчик делится опытом создания офлайн-системы распознавания продуктов, способной идентифицировать, подсчитывать и оценивать качество еды на мобильных устройствах. Начав с огромного и неоднородного набора из 149 000 изображений, проект потребовал тщательной очистки данных, включая удаление дубликатов, обнаружение размытых кадров и стандартизацию меток. Используя YOLOv8n, разработчик успешно обучил модель работать без облачного подключения. Процесс включал пилотный этап для отладки конвейера, за которым последовало полноценное обучение на 20 000 очищенных изображений. Основные технические сложности заключались в управлении памятью GPU, работе с различными соглашениями о маркировке в разных наборах данных и оптимизации модели для запуска на устройствах. Автор подчеркивает важность качества данных над их количеством, отмечая, что систематическая очистка и предварительная обработка были критически важны для успеха модели, предоставляя практическое руководство для разработчиков, работающих с наборами данных компьютерного зрения из разных источников.