दस्तावेज़

आपके BadBob ऐप की उपयोगकर्ता पुस्तिका और गाइड का पाठ।

विषय सूची

विषय सूची

Create ML · डिटेक्शन

समीक्षित बॉक्स और वर्गों से ऑब्जेक्ट डिटेक्टर प्रशिक्षित करें।

शुरू करने से पहले

Train और Val वाला पूर्ण प्रकाशित बॉक्स डेटासेट चुनें। खाली एनोटेशन सूची वाली सहेजी गई इमेज पृष्ठभूमि के उदाहरण हैं और अपने असाइन किए गए विभाजन में रहती हैं। Train में एनोटेशन वाले ऑब्जेक्ट भी होने चाहिए; गायब संशोधन, अमान्य बॉक्स और विभाजनों का ओवरलैप अब भी प्रशिक्षण रोकते हैं।

त्वरित शुरुआत

  1. डेटासेट, मॉडल नाम और संस्करण चुनें। पूर्ण नेटवर्क या ट्रांसफ़र लर्निंग चुनें।
  2. स्वचालित या मैनुअल इटरेशन और बैच आकार सेट करें। आउटपुट गंतव्य चुनें, फिर प्रशिक्षित करें चुनें।
  3. प्रगति और सहेजा गया मॉडल जांचें। मॉडल पंजीकृत करें से पहले मूल्यांकन करें।

कार्य और विकल्प

  • एल्गोरिदम

    पूर्ण नेटवर्क पूरे YOLOv2 नेटवर्क को प्रशिक्षित करता है। ट्रांसफ़र लर्निंग Apple Object Print फ़ीचर दोबारा इस्तेमाल कर कम पैरामीटर प्रशिक्षित करती है।

  • प्रशिक्षण बजट का अनुमान लगाएँ

    स्वचालित इटरेशन शुरुआती बजट का अनुमान है, मॉडल गुणवत्ता का नहीं।

  • पिछला मॉडल

    पिछला मॉडल वंशावली दर्ज करता है; चेकपॉइंट से प्रशिक्षण फिर शुरू नहीं करता।

  • रोकें

    रोकें सक्रिय रन बाधित करता है; पूरा होने की सूचना वैकल्पिक है।

  • मॉडल जर्नल

    मॉडल जर्नल दर्ज उम्मीदवार और उसका उद्गम खोलता है।

  • मॉडल इस्तेमाल करें

    दर्ज करना मॉडल की पहुँच याद रखता है, पर उसे प्रोजेक्ट मॉडल के रूप में संलग्न नहीं करता; प्रशिक्षित मॉडल प्रोजेक्ट से संलग्न होने तक मॉडल इस्तेमाल करें, मॉडल जर्नल के पास दिखाई देता है। वह सीधे मॉडल खोलता है, जिसमें जाँच और पुष्टि के लिए प्रतिलिपि चुनी होती है।

परिणाम

सहेजा गया Core ML डिटेक्टर और रन रसीद।

अगला चरण

Val/Test पर मूल्यांकन करें और उचित हो तो उम्मीदवार दर्ज करें।

सभी दस्तावेज़