Documentación

El manual y los textos de las guías de tu aplicación BadBob.

Contenido

Create ML · Detección

Entrene un detector de objetos con recuadros y clases revisados.

Antes de empezar

Elija un conjunto de rectángulos publicado completo con Train y Val. Las imágenes guardadas con una lista de anotaciones vacía son ejemplos de fondo y permanecen en su partición asignada. Train también debe contener objetos anotados; las revisiones que faltan, los rectángulos no válidos y el solapamiento de particiones siguen bloqueando el entrenamiento.

Inicio rápido

  1. Elija el conjunto de datos, el nombre del modelo y la versión. Elija Red completa o Aprendizaje por transferencia.
  2. Configure iteraciones automáticas o manuales y el tamaño del lote. Elija un destino de salida y, después, Entrenar.
  3. Revise el progreso y el modelo guardado. Evalúelo antes de Registrar modelo.

Funciones y opciones

  • Algoritmo

    Red completa entrena toda la red YOLOv2. Aprendizaje por transferencia reutiliza características de Apple Object Print y entrena menos parámetros.

  • Estimar el presupuesto

    Iteraciones automáticas estima un presupuesto inicial, no la calidad del modelo.

  • Modelo anterior

    Modelo anterior registra la procedencia; no reanuda un punto de control.

  • Detener

    Detener interrumpe una ejecución activa; el aviso de finalización es opcional.

  • Diario de modelos

    Diario de modelos abre el candidato registrado y su procedencia.

  • Usar modelo

    El registro recuerda el acceso al modelo, pero no lo vincula como modelo del proyecto; Usar modelo aparece junto a Diario de modelos hasta que el modelo entrenado se vincule al proyecto. Abre Modelo directamente con una copia seleccionada para inspección y confirmación.

Resultado

Un detector Core ML guardado y un comprobante de ejecución.

Siguiente paso

Evalúe con Val/Test y registre un candidato cuando proceda.

Toda la documentación