Documentação

O texto do manual e dos guias do seu aplicativo BadBob.

Sumário

Create ML · Detecção

Treine um detector de objetos a partir de caixas e classes revisadas.

Antes de começar

Escolha um conjunto de dados de caixas completo e publicado com Train e Val. Imagens salvas com uma lista de anotações vazia são exemplos de fundo e permanecem na divisão atribuída. Train também deve conter objetos anotados; revisões ausentes, caixas inválidas e sobreposição entre divisões continuam bloqueando o treinamento.

Início rápido

  1. Escolha o conjunto de dados, o nome do modelo e a versão. Escolha Rede completa ou Aprendizado por transferência.
  2. Defina iterações automáticas ou manuais e o tamanho do lote. Escolha um destino de saída e depois Treinar.
  3. Revise o progresso e o modelo salvo. Avalie-o antes de usar Registrar modelo.

Funções e opções

  • Algoritmo

    Rede completa treina toda a rede YOLOv2. Aprendizado por transferência reutiliza características de Apple Object Print e treina menos parâmetros.

  • Estimar o orçamento

    Iterações automáticas estima um orçamento inicial, não a qualidade do modelo.

  • Modelo anterior

    Modelo anterior registra a linhagem; não retoma um checkpoint.

  • Parar

    Parar interrompe uma execução ativa; o alerta de conclusão é opcional.

  • Diário de modelos

    Diário de modelos abre o candidato registrado e sua proveniência.

  • Usar modelo

    O registro memoriza o acesso ao modelo, mas não o vincula como modelo do projeto; Usar modelo aparece ao lado de Diário de modelos até que o modelo treinado seja vinculado ao projeto. Ele abre Modelo diretamente com uma cópia selecionada para inspeção e confirmação.

Resultado

Um detector Core ML salvo e um recibo de execução.

Próxima etapa

Avalie em Val/Test e registre um candidato quando apropriado.

Toda a documentação