Create ML · Deteksjon
Tren en objektdetektor med gjennomgåtte bokser og klasser.
Før du starter
Velg et komplett publisert boksdatasett med Train og Val. Lagrede bilder med en tom annoteringsliste er bakgrunnseksempler og blir i sin tildelte datasplitt. Train må også inneholde annoterte objekter; manglende revisjoner, ugyldige bokser og overlapp mellom datasplitter blokkerer fortsatt trening.
Kom raskt i gang
- Velg datasett, modellnavn og versjon. Velg Fullt nettverk eller Overføringslæring.
- Angi automatiske eller manuelle iterasjoner og batchstørrelse. Velg resultatmål og deretter Tren.
- Gå gjennom fremdriften og den lagrede modellen. Evaluer den før Registrer modell.
Funksjoner og valg
Algoritme
Fullt nettverk trener hele YOLOv2-nettverket. Overføringslæring gjenbruker Apple Object Print-egenskaper og trener færre parametere.
Anslå budsjettet
Automatiske iterasjoner anslår et startbudsjett, ikke modellkvalitet.
Forrige modell
Forrige modell registrerer avstamning; den gjenopptar ikke et sjekkpunkt.
Stopp
Stopp avbryter en aktiv kjøring; varsel ved fullføring er valgfritt.
Modelljournal
Modelljournal åpner den registrerte kandidaten og opphavet.
Bruk modell
Registrering husker modelltilgang, men knytter den ikke til som prosjektmodell; Bruk modell vises ved siden av Modelljournal til den trente modellen er knyttet til prosjektet. Den åpner Modell direkte med en kopi valgt for inspeksjon og bekreftelse.
Resultat
En lagret Core ML-detektor og kjøringskvittering.
Neste trinn
Evaluer på Val/Test og registrer en kandidat ved behov.