09｜数据集：如何为模型寻找制作数据集？

柳博文

你好，我是柳博文，欢迎和我一起学习前端工程师的 AI 实战课。
上一章我们深入了解了 AI 和计算机视觉的基本概念，以及计算机视觉在 AI 领域中的应用。现在，你已经对 AI 有了基本的认知，并且对计算机视觉的运行原理有了深入的理解。
虽然基础理论可能稍显枯燥，但这是我们实战环节绕不开的功课。这一章我们就来学以致用，一起完成一个“AI 布局助手”的工具，它可以帮助前端工程师更高效地进行页面组件识别及布局。
这节课，我们主要一起解决两个核心问题。
1. 在应用实践层面，我们将通过数据增广的方式扩充训练集，解决数据量不足和数据收集困难的问题。
2. 在模型理论层面，我们将通过增强数据的泛化性质，解决训练过程中可能出现的过拟合问题。
学完今天的内容，你将深入理解 AI 组件的划分粒度，掌握如何收集数据集，以及如何进行有效的数据增广处理等关键技能。
为什么要划分组件粒度？当你接到一个页面需求时，是否对如何划分组件的粒度感到困扰？这对于我们前端开发同学实现页面需求，乃至做好整个项目的后期维护至关重要。
同样的道理，想要训练一个 AI 布局助手，它也需要先“学会”组件划分的逻辑。为了让 AI 能够准确地识别页面布局和组件，我们需要提供足够精确且适合 AI 的组件划分粒度，并基于此进行数据集的收集和制作。

公开

同步至部落

取消

完成

0/2000

荧光笔

直线

曲线

笔记

复制

AI

深入了解
翻译
英语
中文简体
法语
德语
日语
韩语
俄语
西班牙语
解释
总结

1. 为AI模型寻找制作数据集的重要性和方法 2. 组件粒度的重要性 3. 基础数据集收集 4. 数据集增广处理 5. 数据增广实例5：旋转 6. 数据集标准适配 7. 总结

仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《前端工程师的 AI 实战课》，新⼈⾸单¥59

立即购买

登录后留言

精选留言

由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。

收起评论