Dokumentation

Brugervejledningen og vejledningsteksterne fra din BadBob-app.

Indhold

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

  1. Vælg datasæt, modelnavn og version. Vælg Fuldt netværk eller Overførselslæring.
  2. Angiv automatiske eller manuelle iterationer og batchstørrelse. Vælg resultatdestination og derefter Træn.
  3. 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.

Al dokumentation