Dokumentation

Manualen och guiderna från din BadBob-app.

Innehåll

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

  1. Välj dataset, modellnamn och version. Välj Full Network eller Transfer Learning.
  2. Välj automatiska eller manuella iterationer och batchstorlek. Välj resultatplats och sedan Träning.
  3. 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.

All dokumentation