Recoñecemento visual de IBM Watson: o recoñecemento de obxectos xa está dispoñible en IBM Cloud

Recoñecemento visual de IBM Watson: o recoñecemento de obxectos xa está dispoñible en IBM Cloud

Ata hai pouco, IBM Watson Visual Recognition utilizábase principalmente para recoñecer imaxes no seu conxunto. Non obstante, traballar cunha imaxe como un todo está lonxe de ser o enfoque máis correcto. Agora, grazas á nova función recoñecemento de obxectos, os usuarios de IBM Watson puideron adestrar modelos en imaxes con obxectos etiquetados para o seu posterior recoñecemento en calquera fotograma.

Imos amosar como isto se pode facer agora.

Se antes, usando IBM Watson, podías distinguir un coche danado dun non danado, agora non só podes recoñecer a presenza de danos, senón tamén estimar a súa posición e tamaño. Este enfoque é moito máis informativo, o que permite facer predicións sobre o custo das reparacións necesarias.
Por suposto, a lista de opcións para usar esta funcionalidade é moito máis ampla que simplemente comprobar a integridade do coche. Agora podes usar Watson Visual Recognition para:

  • Contando o número de persoas en colas ou coches en atascos
  • Identificación de mercadorías nos andeis de venda polo miúdo
  • Recoñecemento de logotipos en fotos
  • Análise de imaxes de TC e resonancia magnética para detectar anomalías
  • Outras tarefas relacionadas co traballo con obxectos específicos en fotografías

Non tes que pasar meses seleccionando e etiquetando datos: o noso modelo xa está adestrado en varios millóns de mostras e ofrece unha calidade de predición bastante alta sen ningún cambio. Se é necesario, sempre podes volver adestralo para que a rede neuronal cumpra coas especificacións do teu campo de actividade.

Etiqueta imaxes e adestra un modelo nos teus datos máis rápido con Watson Studio

Normalmente, adestrar o seu propio modelo para recoñecer obxectos con precisión é a tarefa máis difícil ao construír un sistema de visión por ordenador. Watson Studio acelera este proceso e axuda a reducir o tempo cando se traballa con grandes volumes de datos. Xunto cun complemento gratuíto Etiqueta automática pode marcar rapidamente todas as imaxes do conxunto de datos.

introdución

Despois de activar e crear unha aplicación de recoñecemento visual na nube, conéctaa a Watson Studio e na sección Modelos personalizados, cree un modelo na xanela Detectar obxectos.

Recoñecemento visual de IBM Watson: o recoñecemento de obxectos xa está dispoñible en IBM Cloud

Carga os teus datos en bruto en Watson Studio (podes usar un arquivo JPEG, PNG ou ZIP que conteña estas imaxes)

Recoñecemento visual de IBM Watson: o recoñecemento de obxectos xa está dispoñible en IBM Cloud

Selecciona unha imaxe, selecciona o obxecto que queres recoñecer, ponlle un nome e gárdao. Repita ata seleccionar todos os obxectos necesarios nesta imaxe.
Recoñecemento visual de IBM Watson: o recoñecemento de obxectos xa está dispoñible en IBM Cloud

Unha vez que teñas algunhas imaxes etiquetadas, podes adestrar e probar o teu modelo.

Recoñecemento visual de IBM Watson: o recoñecemento de obxectos xa está dispoñible en IBM Cloud

Tamén podes engadir máis imaxes para mellorar a calidade do modelo mediante a función Etiqueta automática, que che axuda a etiquetar todos os teus datos. Para usar esta función, seleccione todas as imaxes necesarias e prema no botón "Etiqueta automática" para que Watson etiquete os datos de forma independente de acordo coas clases especificadas.

Recoñecemento visual de IBM Watson: o recoñecemento de obxectos xa está dispoñible en IBM Cloud

Despois de comprobar a precisión do seu modelo, pode incorporar unha solución preparada no seu produto.

Recoñecemento visual de IBM Watson: o recoñecemento de obxectos xa está dispoñible en IBM Cloud

Proba recoñecemento de obxectos con IBM Watson Visual Recognition de balde hoxe!

Tamén queremos invitarte a seminarios de formación gratuítos sobre IBM WatsonStudio и Recoñecemento visual na nube de IBM, celebrada en novembro no centro de clientes da nosa oficina de Moscova.

Materiais adicionais:

Fonte: www.habr.com

Engadir un comentario