Create ML · Detektion
Træn en objektdetektor med gennemgåede bokse og klasser.
Før du starter
Vælg et komplet udgivet boksdatasæt med Train og Val. Gemte billeder med en tom annoteringsliste er baggrundseksempler og bliver i deres tildelte split. Train skal også indeholde annoterede objekter; manglende revisioner, ugyldige bokse og overlap mellem split blokerer stadig træning.
Kom hurtigt i gang
- Vælg datasæt, modelnavn og version. Vælg Fuldt netværk eller Overførselslæring.
- Angiv automatiske eller manuelle iterationer og batchstørrelse. Vælg resultatdestination og derefter Træn.
- Gennemgå forløbet og den gemte model. Evaluer den før Registrer model.
Funktioner og valg
Algoritme
Fuldt netværk træner hele YOLOv2-netværket. Overførselslæring genbruger Apple Object Print-egenskaber og træner færre parametre.
Anslå budgettet
Automatiske iterationer anslår et startbudget, ikke modelkvalitet.
Forrige model
Tidligere model registrerer afstamning; det genoptager ikke et kontrolpunkt.
Stop
Stop afbryder en aktiv kørsel; besked ved afslutning er valgfri.
Modeljournal
Modeljournal åbner den registrerede kandidat og dens oprindelse.
Brug model
Registrering husker modeladgang, men tilknytter den ikke som projektmodel; Brug model vises ved siden af Modeljournal, indtil den trænede model er tilknyttet projektet. Den åbner Model direkte med en kopi valgt til inspektion og bekræftelse.
Resultat
En gemt Core ML-detektor og kørselskvittering.
Næste trin
Evaluér på Val/Test, og registrér en kandidat, når det er relevant.