ଛବି ଏବଂ ଭିଡିଓରେ ଉତ୍ତରକୁ ଭିତ୍ତି କରନ୍ତୁ

What this lesson is about

ଫାଇଲ୍‌ରେ ଯାହା ଥିକ୍ ଦେଖାଯାଉଛି ସେହି କଥା ମାତ୍ର ବର୍ଣ୍ଣନା କରନ୍ତୁ। ସଠିକ୍ ଅଂଶ କିମ୍ବା ମୁହୂର୍ତ୍ତ ନାମକରଣ କରନ୍ତୁ। ଯେଉଁଥିରେ ଅସ୍ପଷ୍ଟତା ଅଛି ସେଥିରେ ଫ୍ଲାଗ୍ ଦିଅନ୍ତୁ।

ଏକ କ୍ଲିପ୍‌ରେ ହାତ ଏକ କପ୍‌କୁ ଛୁଆଁଛି, ଏବଂ ତୁମର ଲେବେଲ୍‌ରେ 'ପିକ୍‌ଡ୍ ଅପ୍' ଲେଖା ଅଛି। ତୁମେ ଏଥିରେ କ'ଣ ଯୋଗ କରିବାକୁ ଚାହାଁ?

Why this matters

ଯେତେବେଳେ କୌଣସି ବସ୍ତୁ, କାର୍ଯ୍ୟ କିମ୍ବା ମୁହୂର୍ତ୍ତ ଅଂଶରେ ଲୁଚିଥାଏ, ସେତେବେଳେ ନିଶ୍ଚିତ ଲେବେଲ୍ ଭୁଲ ହେବା ସମ୍ଭାବନା ରହିଥାଏ।

ଛବି ଏବଂ ଭିଡିଓ କାମରେ, ଯାହା ଦେଖିପାରିବେ ସେଥିକୁ ଅନୁମାନରୁ ଅଲଗା ରଖନ୍ତୁ।

ଲେବଲ୍ ସମର୍ଥନ କରୁଥିବା ଠିକ୍ ଅଞ୍ଚଳ କିମ୍ବା ସମୟ ନାମ କରନ୍ତୁ।
ଯାହା ଲୁଚିଛି, ଧୁନ୍ଧଳା ହେଉଛି କିମ୍ବା ମିସିଛି ସେଥିରେ ବର୍ଣ୍ଣନା କରନ୍ତୁ।
ଅନୁମାନ କରିବା ପରିବର୍ତ୍ତେ ପ୍ରକଳ୍ପର ‘ଅସ୍ପଷ୍ଟ’ ବିକଳ୍ପ ବ୍ୟବହାର କରନ୍ତୁ।

Task

ହାତ କପ୍‌ଟିକୁ ଉଠାଇଛି କି ନାହିଁ ଯାଞ୍ଚ କରନ୍ତୁ।

Weak approach କ୍ଲିପ୍‌ଟି ତିନିଥର ଦେଖେ ଏବଂ ନିଶ୍ଚିତ ହୁଏ। ଲେଖେ: ବ୍ୟକ୍ତି 0:02 ରେ ଲାଲ କପ୍ ଉଠାଏ। ସମୟ ନିର୍ଦ୍ଧାରିତ ହେଲା, ଯାହା ଗୋଟିଏ ନିୟମ ପାଳନ କରାଯାଇଛି। ପ୍ରତ୍ୟେକ ଫ୍ରେମ୍‌ରେ ଆଙ୍ଗୁଠି କପ୍‌ର ପଛରେ ଅଛି, ତେଣୁ ସ୍କ୍ରିନ୍‌ରେ କିଛି ଛୁଆଁର ପ୍ରମାଣ ନାହିଁ।

Stronger approach ହାତ କପ୍‌ଟିକୁ ନିକଟକୁ ଆସୁଛି। ସଂପର୍କ ଲୁଚିଛି ଏବଂ ଉଠାଇବା ଦେଖାଯାଉନାହିଁ, ତେଣୁ ଉଠାଇବା ପ୍ରମାଣିତ ହେବା ନାହିଁ।

Why the stronger approach works ଦୁହେଁ ରିଭ୍ୟୁଅର୍ ଏହି ସେହି କ୍ଲିପ୍ ଦେଖିଥିଲେ ଏବଂ ଦୁହେଁ ସ୍ପଷ୍ଟ କଥା କହିଥିଲେ। ପରିଭେଦ ହେଉଛି ଶବ୍ଦଗୁଡ଼ିକ କ’ଣକୁ ସୂଚିତ କରିପାରିବେ, ତାହାର ଦୀର୍ଘତା ନୁହେଁ।

Try a changed situation ତୁମେ ଭିଡିଓ ନୁହେଁ, ବିତରଣ କରାଯାଇଥିବା ପାର୍ସେଲର ଫଟୋ ଯାଞ୍ଚ କରୁଛ। ତୁମର ଟୀକା କ'ଣ କହିବ?

Make something yourself ତିନି ଅଂଶରେ ଏକ ସମୀକ୍ଷା ଲେଖନ୍ତୁ: ଆପଣ କ’ଣ ଦେଖିଲେ, କ’ଣ କେବଳ ଅନୁମାନ କରିଥିଲେ, ଏବଂ ପରବର୍ତ୍ତୀ ଦୃଶ୍ୟ କ’ଣ ଆବଶ୍ୟକ।

Read the primary or official source: Lin et al., Microsoft COCO: Common Objects in Context (arXiv)