Create ML · Détection
Entraînez un détecteur d’objets à partir de cadres et de classes vérifiés.
Avant de commencer
Choisissez un jeu de rectangles publié complet avec Train et Val. Les images enregistrées avec une liste d’annotations vide sont des exemples d’arrière-plan et restent dans leur partition attribuée. Train doit aussi contenir des objets annotés ; révisions manquantes, rectangles invalides et chevauchements de partitions bloquent toujours l’entraînement.
Démarrage rapide
- Choisissez le jeu de données, le nom du modèle et la version. Choisissez Réseau complet ou Apprentissage par transfert.
- Définissez les itérations automatiques ou manuelles et la taille du lot. Choisissez une destination de sortie, puis Entraîner.
- Vérifiez la progression et le modèle enregistré. Évaluez-le avant de choisir Enregistrer le modèle comme candidat.
Fonctions et choix
Algorithme
Réseau complet entraîne l’intégralité du réseau YOLOv2. Apprentissage par transfert réutilise les caractéristiques Apple Object Print et entraîne moins de paramètres.
Estimer le budget
Itérations automatiques estime un budget de départ, pas la qualité du modèle.
Modèle précédent
Modèle précédent consigne la filiation ; il ne reprend pas un point de contrôle.
Arrêter
Arrêter interrompt une exécution active ; l’alerte de fin est facultative.
Journal des modèles
Journal des modèles ouvre le candidat inscrit et sa provenance.
Utiliser le modèle
L’inscription mémorise l’accès au modèle mais ne le rattache pas comme modèle du projet ; Utiliser le modèle apparaît à côté de Journal des modèles jusqu’au rattachement du modèle entraîné au projet. Cette commande ouvre directement Modèle avec une copie sélectionnée pour inspection et confirmation.
Résultat
Un détecteur Core ML enregistré et un reçu d’exécution.
Étape suivante
Évaluez sur Val/Test et inscrivez un candidat si nécessaire.