Opret en app til objektdetektering i realtid ved hjælp af Watson Machine Learning

Resumé

Uanset om du tæller biler på en vej eller folk, der er strandet på tagene i en naturkatastrofe, er der masser af use cases til genstandsdetektering. Ofte passer forudtrænede objektdetekteringsmodeller ikke til dine behov, og du skal oprette dine egne tilpassede modeller. Hvordan kan du bruge maskinlæring til at træne din egen tilpassede model uden væsentlig regnekraft og tid? Watson Machine Learning. Hvordan kan du bruge din specialtrænede model til at detektere objekter i realtid, med fuldstændigt brugerbeskyttelse, alt sammen på en enhed med begrænset computerkraft? Apples Core ML, TensorFlow.js og TensorFlow Lite.

Beskrivelse

I dette kodemønster bygger du en iOS-, Android- eller webapp (eller alle tre), der lader dig bruge dine egne specialtrænede modeller til at opdage objekter. Du opretter en IBM Cloud Object Storage-instans for at gemme dine mærkede data, og når dine data er klar, lærer du, hvordan du starter en Watson Machine Learning-instans for at træne din egen tilpassede model på top-of-the-line GPU'er . Når din model har gennemført træningen, kan du blot trække-og-slippe modellen til din applikation.

Når du har gennemført dette kodemønster, bør du forstå, hvordan du:

• Etiketdata, der kan bruges til objektdetektering
• Brug dine tilpassede data til at træne en model ved hjælp af Watson Machine Learning
• Registrer objekter med Core ML

Flow

1. Upload træningsdataene til IBM Cloud Object Storage.
2. Watson Machine Learning trækker træningsdataene fra IBM Cloud Object Storage og træner en model med TensorFlow. Den trænede model gemmes tilbage til IBM Cloud Object Storage.
3. De trænede modeller føjes til appen.
4. Brugeren interagerer med apps, der kan registrere objekter i realtid.

Kilde: https://developer.ibm.com/patterns/create-a-real-time-object-detection-app-using-watson-machine-learning/