Create ML · Deteção
Treine um detetor de objetos a partir de caixas e classes revistas.
Antes de começar
Escolha um conjunto de dados de caixas publicado e completo com Train e Val. As imagens guardadas com uma lista de anotações vazia são exemplos de fundo e permanecem na divisão atribuída. Train também tem de conter objetos anotados; revisões em falta, caixas inválidas e sobreposição entre divisões continuam a bloquear o treino.
Início rápido
- Escolha o conjunto de dados, o nome do modelo e a versão. Escolha Rede completa ou Aprendizagem por transferência.
- Defina iterações automáticas ou manuais e o tamanho do lote. Escolha um destino de saída e depois Treinar.
- Reveja o progresso e o modelo guardado. Avalie-o antes de utilizar Registar modelo.
Funções e opções
Algoritmo
Rede completa treina toda a rede YOLOv2. Aprendizagem 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 regista a linhagem; não retoma um ponto de controlo.
Parar
Parar interrompe uma execução ativa; o alerta de conclusão é opcional.
Diário de modelos
Diário de modelos abre o candidato registado e a sua proveniência.
Utilizar modelo
O registo memoriza o acesso ao modelo, mas não o associa como modelo do projeto; Utilizar modelo aparece junto de Diário de modelos até que o modelo treinado seja associado ao projeto. Abre Modelo diretamente com uma cópia selecionada para inspeção e confirmação.
Resultado
Um detetor Core ML guardado e um recibo de execução.
Passo seguinte
Avalie em Val/Test e registe um candidato quando apropriado.