直到最近,IBM Watson Visual Recognition 主要用於識別整個影像。然而,將圖片作為一個整體來處理遠不是最正確的方法。現在,感謝新功能 物體辨識,IBM Watson 使用者能夠在帶有標記物件的圖像上訓練模型,以便隨後在任何幀中進行識別。
現在讓我們展示如何做到這一點。
如果您以前使用 IBM Watson,您可以區分損壞的汽車和未損壞的汽車,現在您不僅可以識別損壞的存在,還可以估計其位置和大小。這種方法提供的資訊豐富得多,可以對必要維修的成本進行預測。
當然,使用此功能的選項清單比簡單地檢查汽車的完整性要廣泛得多。現在您可以使用 Watson Visual Recognition 來:
- 統計排隊的人數或交通擁擠的汽車數量
- 零售貨架上的商品識別
- 照片中的標誌識別
- CT 和 MRI 影像異常分析
- 與處理照片中的特定物件相關的其他任務
您不必花費數月時間來選擇和標記資料 - 我們的模型已經接受了數百萬個樣本的訓練,並且無需任何更改即可提供相當高品質的預測。如有必要,您可以隨時重新訓練它,以便神經網路滿足您活動領域的具體情況。
使用 Watson Studio 更快標記圖像並根據資料更快地訓練模型
通常,在建立電腦視覺系統時,訓練自己的模型以準確識別物件是最困難的任務。 Watson Studio 加快了這個過程,並有助於減少處理大量資料時的時間。與免費附加組件結合使用 自動標籤 您可以快速標記資料集中的所有影像。
入門
在雲端中啟動並建立視覺識別應用程式後,將其連接到 Watson Studio,並在自訂模型部分中的偵測物件視窗中建立模型。
將原始資料上傳至 Watson Studio(您可以使用包含這些映像的 JPEG、PNG 或 ZIP 檔案)
選擇影像,選擇要辨識的對象,為其命名並儲存。重複此操作,直到選擇了該影像中所有必要的物件。
一旦標記了一些圖像,您就可以訓練和測試您的模型。
您還可以使用自動標籤功能添加更多圖像以提高模型的質量,該功能可協助您標記所有資料。若要使用此功能,請選擇所有必要的圖像,然後按一下「自動標記」按鈕,以便 Watson 根據指定的類別獨立標記資料。
檢查模型的準確性後,您可以將現成的解決方案嵌入到您的產品中。
我們也想邀請您參加以下方面的免費培訓研討會
其他材料:
影片教學 數據集 帶有用於訓練的cookieДокументация
來源: www.habr.com