All Products
Search

This Product

    Platform For AI:Filter LVM-Image-Face-Ratio (DLC)

    Document Center

    Platform For AI:Filter LVM-Image-Face-Ratio (DLC)

    Last Updated:Jul 24, 2026

    Komponen Filter LVM-Image-Face-Ratio (DLC) menyaring gambar yang rasio luas wajah terhadap luas gambar berada di luar rentang yang ditentukan. Gunakan komponen ini untuk menghapus gambar yang didominasi wajah atau gambar tanpa konten wajah yang bermakna sebelum melatih model generasi gambar.

    Penting

    Komponen ini memerlukan tipe instans GPU. Pilih instans GPU saat mengonfigurasi kelompok sumber daya.

    Sumber daya komputasi yang didukung

    Deep Learning Containers (DLC)

    Cara kerja

    Untuk setiap gambar, komponen menghitung proporsi wajah dalam gambar tersebut. Gambar yang rasio wajahnya berada di luar batas minimum dan maksimum yang dikonfigurasi akan disaring, sedangkan gambar yang tersisa ditulis ke path output yang Anda tentukan.

    Sesuaikan rentang rasio wajah minimum dan maksimum berdasarkan set data dan tujuan pelatihan Anda.

    Input dan output

    Port input

    Komponen menerima input berikut:

    • Komponen Read File Data — membaca path Object Storage Service (OSS) tempat data pelatihan disimpan.

    • Parameter Image Data OSS Path — pilih direktori OSS yang berisi file gambar atau file metadata meta.jsonl yang sudah ada. Lihat deskripsi parameter di bawah.

    • Komponen prapemrosesan data gambar apa pun — hubungkan sebagai input hulu.

    Port output

    Hasil penyaringan ditulis ke direktori OSS yang ditentukan oleh Output File OSS Path. Lihat deskripsi parameter di bawah untuk detail file output.

    Konfigurasi komponen

    Konfigurasikan komponen LVM-Image-Face-Ratio Filter (DLC) di Machine Learning Designer. Tabel berikut menjelaskan semua parameter.

    Tab

    Parameter

    Type

    Required

    Default

    Description

    Field Settings

    Image Data OSS Path

    String

    No

    —

    Direktori OSS yang berisi data gambar, atau file meta.jsonl yang sudah ada. Jika tidak ada komponen hulu yang terhubung pada eksekusi pertama, pilih direktori OSS secara manual. Komponen akan menghasilkan file meta.jsonl di direktori induk dari path yang ditentukan. Pada eksekusi berikutnya, pilih langsung file meta.jsonl.

    OSS Directory for Saving OutputData

    String

    No

    —

    Direktori OSS tempat hasil penyaringan disimpan. Output mencakup: {name}.jsonl (output hasil penyaringan, diberi nama sesuai Output Filename), {name}_stats.jsonl (statistik), dan dj_run_yaml.yaml (konfigurasi eksekusi algoritma).

    Output Filename

    String

    No

    result.jsonl

    Nama file untuk output hasil penyaringan.

    Parameter Settings

    Minimum face Ratio

    Float

    Yes

    0.0

    Rasio wajah minimum. Gambar dengan rasio wajah di bawah nilai ini akan disaring.

    Maximum face Ratio

    Float

    Yes

    0.4

    Rasio wajah maksimum. Gambar dengan rasio wajah di atas nilai ini akan disaring.

    Execution Tuning

    Number of Processes

    Integer

    No

    4

    Jumlah proses paralel.

    single/multi nodes

    String

    No

    single-node

    Mode single-node atau multi-node. Nilai default: single-node. Mode multi-node hanya mendukung framework Ray.

    Select Resource Group

    —

    No

    —

    Pilih kelompok sumber daya publik atau kuota sumber daya (jika menggunakan mode terdistribusi, Anda harus mengatur parameter sumber daya untuk node head dan node pekerja secara terpisah):

    • Kelompok sumber daya publik: pilih tipe instans (CPU atau GPU) dan VPC. Anda harus memilih tipe instans GPU untuk algoritma ini.

    • Kuota sumber daya: pilih jumlah GPU, jumlah vCPU, memori (GB), dan memori bersama (GB).

    Maximum Running Duration (seconds)

    Integer

    No

    —

    Durasi maksimum eksekusi dalam detik. Pekerjaan akan dihentikan jika melebihi batas ini.

    Catatan penggunaan

    • Eksekusi pertama tanpa komponen hulu: Jika tidak ada komponen hulu yang menyediakan path OSS, atur Image Data OSS Path ke direktori OSS yang berisi gambar Anda. Komponen akan membuat file meta.jsonl di direktori induk pada eksekusi pertama. Gunakan file ini sebagai input untuk eksekusi berikutnya, bukan memindai ulang direktori tersebut.

    • Rentang rasio wajah: Atur rasio wajah minimum dan maksimum untuk mengontrol gambar mana yang dipertahankan. Gambar dengan rasio wajah di bawah minimum atau di atas maksimum akan disaring. Sesuaikan rentang tersebut berdasarkan set data dan tujuan pelatihan Anda.

    • Persyaratan GPU: Komponen ini menggunakan deteksi wajah yang dipercepat GPU. Selalu pilih tipe instans GPU dalam konfigurasi kelompok sumber daya.