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
- Escolha o conjunto de dados, o nome do modelo e a versão. Escolha Rede completa ou Aprendizado por transferência.
- Defina iterações automáticas ou manuais e o tamanho do lote. Escolha um destino de saída e depois Treinar.
- 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.