莫企业网站建设方案,网站上传教程,建设网站实训心得,公司网站设一、Why 定制化模型 一般来说#xff0c;各大云服务厂商只会提供一些最常见通用的AI服务#xff0c;针对具体场景的AI应用则需要在云服务厂商提供的服务之上进行定制。例如#xff0c;通常的图像识别只能做到分析照片的主题内容#xff0c;而我的需求是给定指定场景的图片各大云服务厂商只会提供一些最常见通用的AI服务针对具体场景的AI应用则需要在云服务厂商提供的服务之上进行定制。例如通常的图像识别只能做到分析照片的主题内容而我的需求是给定指定场景的图片能够分析出其中的各个物体并指出他们是什么以便我后期能够给出相似的图片内容实现猜你喜欢及拍照识图并进行相关物品的推荐等功能。因此这里介绍一下百度AI平台的EasyDL定制化AI服务主要会Focus在定制化图片识别这个方向。 对于EasyDL定制化图像识别百度主要提供了两个可定制的模型 1图像分类 图像分类指识别一张图中是否是某类物体/状态/场景可以识别图片中主体或者状态单一的场景如下图所示 2物体检测 物体检测是指定制识别出图片里每个物体的位置、名称。可以识别图片中有多个主体、或者要识别位置及数量的场景如下图所示 3应用案例 家图网是使用EasyDL定制模型的一个典型案例详情可以点击这里浏览。 二、第一个物体检测模型 2.1 创建模型和数据集 这里我模仿家图网也来训练一个家居场景下的模型我的目标是多目标物体检测因此创建一个模型。 有了模型还需要数据集因此我创建了三个数据集这里Demo只会用到两个三个的话训练太花时间分别用于上传需要训练的图片 PS用于训练的图片需要和实际的场景图片一致而且训练的样本数量越多精确性越高我这里只上传了30多张。 2.2 迭代打标签 接下来的工作就比较反锁了我们需要迭代地给训练样本打标签告诉机器某个图片某个部位是什么在下一步训练时让机器可以自纠正改进自己的算法。 然后就是循环反复地为训练样本打标签是一个体力活。 2.3 训练模型 有了打好标签的数据集就可以开始训练了 第一个版本训练之后的结果精确率21.9%不忍直视 于是将未识别的图片及新增一些训练样本再次打标签再次训练之后的结果提升了很多为了节约时间就不再训练了。当然实际中需要增加尽可能多的训练样本并多次训练以求得一个更好的识别模型。 2.4 校验模型 下面就是见证奇迹的时刻请不要选择训练样本进行校验选择非训练样本进行校验请原谅我的无知~哭~ 可以看到我们的模型准确的识别到了沙发和吊灯。当然还有很多没有完整的识别到两个物体就需要将它作为训练样本加入数据集打标签以便下个迭代里模型能够正确识别相关类似的图片内容。 如果有一个较好的模型我想我也可以实现类似于家图网的看图识物并推荐相似物体的热门产品了。当然家图网可是数以万计的训练才得出的识别模型我们在做的时候也是需要花费很多精力去调优的。Anyway万里长征也算走出了第一步。 三、小结 本文主要记录了一个使用百度AI平台的EasyDL进行定制化模型的过程全篇无干货只是单纯的实验而已希望对你有用。 作者周旭龙 出处http://edisonchou.cnblogs.com 本文版权归作者和博客园共有欢迎转载但未经作者同意必须保留此段声明且在文章页面明显位置给出原文链接。 转载于:https://www.cnblogs.com/edisonchou/p/edc_machine_learning_baiduAI_easyDL_introduction.html
