تصوير ۽ وڊيو ۾ جوابن کي بنياد بڻايو

What this lesson is about

صرف اهو بيان ڪريو جيڪو فائل ۾ واقعي ڏيکاريل آهي. صحيح حصو يا لمحو نالو ڏيو. ڪنهن به غير واضح شيءِ کي نشان لڳايو.

هڪ ڪلپ ۾ هٿ ڪپ تائين پهچي ٿو، ۽ توهان جو ليبل چوندو آهي ته کڻي ورتو. توهان ان ۾ ڇا شامل ڪندا؟

Why this matters

هڪ پڪو ليبل به غلط ٿي سگهي ٿو جڏهن ڪو شيءِ، عمل يا لمحو جزوي طور لڪيل هجي.

تصوير ۽ وڊيو ۾، جيڪو توهان ڏسي سگهو ٿا ان کي پنهنجي اندازي کان الڳ رکو.

هڪ پڪو ليبل به غلط ٿي سگهي ٿو جڏهن ڪو شيءِ، عمل يا لمحو جزوي طور لڪيل هجي.

ليبل جي حمايت ڪندڙ صحيح علائقو يا لمحو نالو ڏيو.
ڇا لڪيل، ڌندلو، يا گم ٿيل آهي، بيان ڪريو.
اندازو لڳائڻ بدران منصوبي جو ’غير واضح‘ اختيار استعمال ڪريو.

Task

جائزو وٺو ته ڇا هٿ پيالو کڻي ورتو آهي.

Weak approach ڪلپ کي ٽي ڀيرا ڏسي ٿو ۽ پڪ ٿي وڃي ٿو. لکي ٿو: ماڻهو 0:02 تي ڳاڙهو کپ کڻي ٿو. لمحو نالو ڏنو ويو، جيڪو هڪ قاعدو پورو ٿيو. هر فريم ۾ آڱريون کپ جي پويان آهن، تنهنڪري اسڪرين تي ڪو به رابطو ظاهر نٿو ٿئي.

Stronger approach هٿ پيالي جي ويجهو اچي ٿو. رابطي جو پتو نٿو پوي ۽ ڪو به کڻڻ ظاهر نٿو ٿئي، تنهنڪري کڻڻ جي تصديق نٿي ٿي سگهي.

Why the stronger approach works ٻئي جائزا وٺندڙ ساڳيو ڪلپ ڏٺو ۽ ٻئي خاص هئا. فرق اهو آهي ته لفظ ڪهڙي شيءِ ڏانهن اشارو ڪري سگهن ٿا، نه ته اهي ڪيترا ڊگها آهن.

Try a changed situation هاڻي وڊيو نه، پهچايل پارسل جون تصويرون چيڪ ڪرڻيون آهن. توهان جو نوٽ ڇا چوي ٿو؟

Make something yourself هڪ جائزو لکو جنهن ۾ ٽي حصا هجن: جيڪو توهان ڏٺو، جيڪو توهان صرف اندازو لڳايو، ۽ ايندڙ منظر جيڪو توهان کي گهرجي.

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