Find og tæl genstande med objektdetektering

Dette kodemønster er en del af Kom godt i gang med IBM Maximo Visual Inspection læringsvej.

Resumé

Objektdetektion har andre anvendelser og andre muligheder end billedklassificering. Dette kodemønster viser, hvordan man bruger IBM Maximo Visual Inspection Object Detection til at detektere og mærke objekter i et billede (i dette tilfælde Coca-Cola-produkter), baseret på tilpasset træning. Du kan derefter nemt tilpasse dette indledende datasæteksempel med dine egne datasæt - uden at skrive nogen kode.

Beskrivelse

Forestil dig, at du er leverandør af en vare (såsom en læskedrik), og du vil vide, hvor mange flasker der er på en butiks hylde. Du kan bygge en app, der hjælper dig med at gøre netop det. IBM Maximo Visual Inspection bruger deep learning til at skabe trænede modeller baseret på billeder, som du uploader og mærker. Du behøver ikke at skrive nogen kode for at træne, implementere og teste en ny objektdetekteringsmodel. Du uploader blot billederne, bruger musen til at mærke objekterne i dine billeder og lader derefter IBM Maximo Visual Inspection gøre indlæringen.

Med dette mønster vil du bruge dyb læringstræning til at skabe en model til objektdetektering. Med blot et par klik kan du træne og implementere modellen. Når du har trænet og implementeret modellen, giver et REST-slutpunkt dig mulighed for at lokalisere og tælle elementer i et billede. Kodemønsteret inkluderer et eksempeldatasæt, der hjælper dig med at bygge en Cola-flaskedetektor, men du kan bruge dine egne eksempler og detektere andre objekter.

IBM Maximo Visual Inspection præsenterer REST API'er til slutningsoperationer. Du kan bruge enhver REST-klient til objektdetektering med din tilpassede model, og du kan bruge IBM Maximo Visual Inspection UI til at teste den. Dette eksempel inkluderer et eksempel på en Node.js-app, der demonstrerer, hvordan man uploader et billede og derefter tegner billedet med etiketter og afgrænsningsfelter omkring registrerede objekter.

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

• Opret et datasæt til objektdetektering med IBM Maximo Visual Inspection
• Træn og implementer en model baseret på datasættet
• Test modellen ved hjælp af REST-kald

Flow

1. Upload billederne for at oprette et IBM Maximo Visual Inspection-datasæt.
2. Mærk objekterne i billeddatasættet før træning.
3. Træn, implementer og test modellen i IBM Maximo Visual Inspection.
4. Brug en REST-klient til at registrere objekter i billeder.

Instruktioner

Find de detaljerede trin til dette mønster i README. Disse trin viser dig, hvordan du:

1. Klon powerai-vision-object-detection GitHub-repoen.
2. Log ind på IBM Maximo Visual Inspection.
3. Opret et nyt datasæt til træning af objektdetektering.
4. Opret tags til træningsobjekter og mærk objekterne.
5. Opret en DL-opgave.
6. Implementer og test modellen.
7. Kør appen.

Konklusion

Dette kodemønster demonstrerede, hvordan man bruger IBM Maximo Visual Inspection Object Detection til at detektere og mærke objekter i et billede baseret på tilpasset træning. Kodemønsteret er en del af Kom godt i gang med IBM Maximo Visual Inspection læringsvej. For at fortsætte serien og lære om flere IBM Maximo Visual Inspection-funktioner, tag et kig på det næste kodemønster, Objektsporing i video med OpenCV og Deep Learning.

Kilde: https://developer.ibm.com/patterns/locate-and-count-items-with-object-detection/