Documentação

O texto do manual e dos guias da sua aplicação BadBob.

Índice

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

  1. Escolha o conjunto de dados, o nome do modelo e a versão. Escolha Rede completa ou Aprendizagem por transferência.
  2. Defina iterações automáticas ou manuais e o tamanho do lote. Escolha um destino de saída e depois Treinar.
  3. 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.

Toda a documentação