Hanggang kamakailan lamang, ang IBM Watson Visual Recognition ay pangunahing ginamit upang makilala ang mga imahe sa kabuuan. Gayunpaman, ang pagtatrabaho sa isang larawan bilang isang solong kabuuan ay malayo sa pinakatamang diskarte. Ngayon, salamat sa bagong feature pagkilala sa bagay, ang mga gumagamit ng IBM Watson ay nakapagsanay ng mga modelo sa mga larawang may label na mga bagay para sa kanilang kasunod na pagkilala sa anumang frame.
Ipakita natin kung paano ito magagawa ngayon.
Kung dati, gamit ang IBM Watson, maaari mong makilala ang isang nasira na kotse mula sa isang hindi nasira, ngayon ay hindi mo lamang makilala ang pagkakaroon ng pinsala, ngunit tantiyahin din ang posisyon at laki nito. Ang diskarte na ito ay higit na nagbibigay-kaalaman, na nagpapahintulot sa mga hula na gawin tungkol sa halaga ng mga kinakailangang pag-aayos.
Siyempre, ang listahan ng mga opsyon para sa paggamit ng pag-andar na ito ay mas malawak kaysa sa simpleng pagsuri sa integridad ng kotse. Ngayon ay maaari mong gamitin ang Watson Visual Recognition upang:
- Binibilang ang bilang ng mga taong nakapila o mga sasakyan sa mga traffic jam
- Pagkilala ng mga kalakal sa mga istante ng tingi
- Pagkilala ng logo sa mga larawan
- Pagsusuri ng mga imahe ng CT at MRI para sa mga abnormalidad
- Iba pang mga gawain na nauugnay sa pagtatrabaho sa mga partikular na bagay sa mga litrato
Hindi mo kailangang gumastos ng mga buwan sa pagpili at pag-label ng data - ang aming modelo ay sinanay na sa ilang milyong sample at nagbibigay ng medyo mataas na kalidad ng hula nang walang anumang pagbabago. Kung kinakailangan, maaari mo itong palaging sanayin upang matugunan ng neural network ang mga detalye ng iyong larangan ng aktibidad.
Lagyan ng label ang mga larawan at sanayin ang isang modelo sa iyong data nang mas mabilis gamit ang Watson Studio
Karaniwan, ang pagsasanay sa iyong sariling modelo upang tumpak na makilala ang mga bagay ay ang pinakamahirap na gawain kapag gumagawa ng isang computer vision system. Pinapabilis ng Watson Studio ang prosesong ito at nakakatulong na bawasan ang oras kapag nagtatrabaho sa malalaking volume ng data. Kasabay ng isang libreng add-on Auto Label maaari mong mabilis na markahan ang lahat ng mga larawan sa dataset.
Pagsisimula
Pagkatapos i-activate at gumawa ng Visual Recognition application sa cloud, ikonekta ito sa Watson Studio at sa seksyong Mga Custom na Modelo, gumawa ng modelo sa Detect Objects window.
I-upload ang iyong raw data sa Watson Studio (maaari kang gumamit ng JPEG, PNG o ZIP archive na naglalaman ng mga larawang ito)
Pumili ng isang imahe, piliin ang bagay na gusto mong makilala, bigyan ito ng pangalan at i-save. Ulitin hanggang sa mapili mo ang lahat ng kinakailangang bagay sa larawang ito.
Kapag mayroon kang ilang larawang may label, maaari mong sanayin at subukan ang iyong modelo.
Maaari ka ring magdagdag ng higit pang mga larawan upang mapabuti ang kalidad ng modelo gamit ang tampok na Auto Label, na tumutulong sa iyong lagyan ng label ang lahat ng iyong data. Upang magamit ang function na ito, piliin ang lahat ng kinakailangang mga imahe at mag-click sa pindutan ng "Auto Label" upang independyenteng lagyan ng label ng Watson ang data alinsunod sa mga tinukoy na klase.
Pagkatapos suriin ang katumpakan ng iyong modelo, maaari kang mag-embed ng isang handa na solusyon sa iyong produkto.
pagkilala sa bagay gamit ang IBM Watson Visual Recognition nang libre ngayon!
Nais din naming anyayahan ka sa mga libreng seminar sa pagsasanay sa ΠΈ , na ginanap noong Nobyembre sa sentro ng kliyente ng aming tanggapan sa Moscow.
Mga karagdagang materyales:
- may cookies para sa pagsasanay
Pinagmulan: www.habr.com