हम कुकीज़ का उपयोग करते हैं
हम आपके अनुभव को बेहतर बनाने, ट्रैफ़िक का विश्लेषण करने और सामग्री को वैयक्तिकृत करने के लिए कुकीज़ और समान तकनीकों का उपयोग करते हैं। आप सभी कुकीज़ स्वीकार कर सकते हैं या गैर-आवश्यक कुकीज़ को अस्वीकार कर सकते हैं।
SurveyAnalytica का Image Tagging मॉड्यूल मशीन लर्निंग के लिए इमेज डेटासेट को व्यवस्थित करने, लेबल करने, और तैयार करने के लिए एक संपूर्ण वर्कफ़्लो प्रदान करता है। चाहे आप एक इमेज क्लासिफिकेशन मॉडल बना रहे हों, प्रोडक्ट कैटलॉग को क्यूरेट कर रहे हों, या सर्वेक्षणों से विज़ुअल कंटेंट का विश्लेषण कर रहे हों, Image Tagging टूल्स आपको AI-संचालित कंप्यूटर विज़न के माध्यम से ऑटो-टैगिंग, मैनुअल टैगिंग इंटरफ़ेस, बल्क ऑपरेशंस, और आपके analytics engine में सीधे एक्सपोर्ट की सुविधा देते हैं।
Data Management विज़ार्ड के माध्यम से इमेज अपलोड करें। आप व्यक्तिगत इमेज, एक साथ कई इमेज, या फ़ोल्डरों में व्यवस्थित इमेज वाला एक ZIP आर्काइव अपलोड कर सकते हैं। समर्थित इमेज फ़ॉर्मेट में PNG, JPG, JPEG, GIF, BMP, और WebP शामिल हैं।
अपलोड करने के बाद, इमेज को इंडेक्स करने की आवश्यकता होती है। इंडेक्सिंग प्रक्रिया आपकी अपलोड की गई फ़ाइलों को स्कैन करती है और पूर्ण मेटाडेटा के साथ image tagging डेटाबेस में रिकॉर्ड बनाती है। अपने इमेज डेटासेट पर जाएँ और सिस्टम स्वचालित रूप से आपके अपलोड फ़ोल्डरों से इमेज को इंडेक्स करने का प्रयास करेगा।
इंडेक्सिंग के दौरान, सिस्टम निम्नलिखित निकालता है:
सभी मौजूदा इमेज रिकॉर्ड को हटाने और शुरू से इंडेक्स करने के लिए Force re-index का उपयोग करें।
ऑटो-टैगिंग फ़ीचर इमेज का स्वचालित रूप से विश्लेषण करने और वर्णनात्मक टैग जेनरेट करने के लिए AI-संचालित कंप्यूटर विज़न का उपयोग करता है।
प्रत्येक टैग में शामिल है:
आप किसी भी इमेज से टैग को मैन्युअल रूप से जोड़, संपादित, या हटा सकते हैं:
बड़े डेटासेट के लिए, बल्क ऑपरेशंस आवश्यक हैं:
एक साथ कई इमेज पर टैग लागू करें। आप इनके द्वारा इमेज को लक्षित कर सकते हैं:
एक साथ कई इमेज में टैग की समीक्षा और अनुमोदन करें। चयनित इमेज के लिए या पूरे डेटासेट के लिए सभी टैग अनुमोदित करें।
सुझाए गए टैग (फ़ोल्डर संरचना, फ़ाइल नामों, या स्प्लिट डिटेक्शन से जेनरेट किए गए) को पुष्ट टैग में बदलें। प्रोन्नत करने के लिए सुझाव स्रोत चुनें (folder, split, filename)।
एक साथ कई इमेज के लिए टैग को पुनर्स्थापित करें, जो बल्क परिवर्तनों के बाद पूर्ववत करने वाले ऑपरेशंस के लिए उपयोगी है।
image tagging इंटरफ़ेस शक्तिशाली फ़िल्टरिंग प्रदान करता है:
फ़ैसेट को कैस्केडिंग व्यवहार के साथ गतिशील रूप से गणना की जाती है — एक स्प्लिट फ़िल्टर चुनने से उपलब्ध क्लास नाम तदनुसार अपडेट हो जाते हैं।
समस्याग्रस्त इमेज को बिना हटाए अपने डेटासेट से बाहर करें:
image stats फ़ीचर आपके डेटासेट के बारे में विस्तृत मेटाडेटा प्रदान करता है:
इमेज क्लासिफिकेशन मॉडल बनाने के लिए, प्लेटफ़ॉर्म एक संपूर्ण क्लासिफिकेशन पाइपलाइन प्रदान करता है:
सिस्टम क्लास, स्प्लिट, और अवर्गीकृत इमेज का पता लगाने के लिए आपकी फ़ोल्डर संरचना को स्कैन करता है। यह मानक फ़ोल्डर विश्लेषण और AI-संचालित स्मार्ट विश्लेषण दोनों का समर्थन करता है।
लेबल को कई स्रोतों से असाइन किया जा सकता है:
प्लेटफ़ॉर्म क्लास वितरण का विश्लेषण करता है और रिपोर्ट करता है:
बड़ी क्लास से अतिरिक्त इमेज को बाहर करके (undersampling) अपने डेटासेट को स्वचालित रूप से संतुलित करें। सिस्टम पुनरुत्पादकता के लिए एक निश्चित सीड के साथ रैंडम सैंपलिंग का उपयोग करता है।
कॉन्फ़िगर करने योग्य अनुपातों के साथ train/validation/test स्प्लिट जनरेट करें:
एनालिटिक्स के लिए अनुमोदित टैग और इमेज मेटाडेटा एक्सपोर्ट करें। एक्सपोर्ट इमेज ID, फ़ाइल पाथ, फ़ाइल नाम, टैग, और कस्टम फ़ील्ड के साथ एक संरचित डेटासेट बनाता है, जो आपके इमेज डेटासेट के विश्लेषण को सक्षम बनाता है।
सभी टैगिंग ऑपरेशंस को एक हिस्ट्री लॉग में दर्ज किया जाता है, जिसमें बल्क ऑपरेशंस, मैनुअल संपादन, प्रोन्नति, अनुमोदन, और पुनर्स्थापन शामिल हैं। यह समय के साथ आपके डेटासेट को कैसे क्यूरेट किया गया, इसका एक संपूर्ण ऑडिट ट्रेल प्रदान करता है।