Create ML · Detektion
Träna en objektdetektor med granskade boxar och klasser.
Innan du börjar
Välj ett komplett publicerat boxdataset med Train och Val. Sparade bilder med en tom annoteringslista är bakgrundsexempel och behåller sin tilldelade split. Train måste också innehålla annoterade objekt; saknade revisioner, ogiltiga boxar och överlappande splitar stoppar fortfarande träningen.
Snabbstart
- Välj dataset, modellnamn och version. Välj Full Network eller Transfer Learning.
- Välj automatiska eller manuella iterationer och batchstorlek. Välj resultatplats och sedan Träning.
- Granska förloppet och sparad modell. Utvärdera den före Registrera kandidat.
Funktioner och val
Algoritm
Full Network tränar hela YOLOv2-nätverket. Transfer Learning återanvänder Apples Object Print-egenskaper och tränar färre parametrar.
Uppskatta budgeten
Automatisk iterationsbudget uppskattar en startbudget, inte modellkvalitet.
Föregående modell
Föregående modell dokumenterar modellens ursprung. Valet återupptar ingen tidigare träningskörning.
Stoppa
Stoppa avbryter en pågående körning; slutförandeavisering är valfri.
Modelljournal
Modelljournal öppnar den registrerade kandidaten och dess ursprung.
Använd modell
Registrering väljer inte projektets modell. Använd modell öppnar en kopia som du granskar och bekräftar innan den kopplas till projektet.
Resultat
En sparad Core ML-detektor och körningskvitto.
Nästa steg
Utvärdera på Val/Test och registrera en kandidat när det passar.