Dokumentation

Die Handbuch- und Anleitungstexte Ihrer BadBob-App.

Inhalt

Create ML · Erkennung

Trainieren Sie einen Objektdetektor mit geprüften Rahmen und Klassen.

Bevor Sie beginnen

Wählen Sie einen vollständigen veröffentlichten Rechteckdatensatz mit Train und Val. Gespeicherte Bilder mit leerer Annotationsliste sind Hintergrundbeispiele und bleiben in ihrem zugewiesenen Split. Train muss außerdem annotierte Objekte enthalten; fehlende Revisionen, ungültige Rechtecke und Split-Überschneidungen blockieren das Training weiterhin.

Schnelleinstieg

  1. Wählen Sie Datensatz, Modellname und Version. Wählen Sie Vollständiges Netzwerk oder Transferlernen.
  2. Legen Sie automatische oder manuelle Iterationen und die Batchgröße fest. Wählen Sie ein Ausgabeziel und anschließend Trainieren.
  3. Prüfen Sie den Fortschritt und das gespeicherte Modell. Werten Sie es aus, bevor Sie Modell registrieren verwenden.

Funktionen und Optionen

  • Algorithmus

    Vollständiges Netzwerk trainiert das gesamte YOLOv2-Netzwerk. Transferlernen verwendet Apple Object Print-Merkmale erneut und trainiert weniger Parameter.

  • Budget abschätzen

    Automatische Iterationen schätzt ein anfängliches Budget, nicht die Modellqualität.

  • Vorheriges Modell

    Vorheriges Modell dokumentiert die Herkunft; es setzt keinen Checkpoint fort.

  • Anhalten

    Stoppen unterbricht einen aktiven Lauf; die Abschlussmeldung ist optional.

  • Modelljournal

    Modelljournal öffnet den registrierten Kandidaten und seine Herkunft.

  • Modell verwenden

    Die Registrierung merkt sich den Modellzugriff, verknüpft es aber nicht als Projektmodell; Modell verwenden erscheint neben Modelljournal, bis das trainierte Modell mit dem Projekt verknüpft ist. Es öffnet Modell direkt mit einer zur Prüfung und Bestätigung ausgewählten Kopie.

Ergebnis

Ein gespeicherter Core ML-Detektor und ein Laufbeleg.

Nächster Schritt

Werten Sie mit Val/Test aus und registrieren Sie gegebenenfalls einen Kandidaten.

Gesamte Dokumentation