이 코드 패턴은 IBM Maximo Visual Inspection 시작하기 학습 경로.
요약
객체 감지에는 이미지 분류와 다른 용도와 기회가 있습니다. 이 코드 패턴은 IBM Maximo Visual Inspection 객체 감지를 사용하여 사용자 정의된 훈련을 기반으로 이미지(이 경우 Coca-Cola 제품) 내의 객체를 감지하고 레이블을 지정하는 방법을 보여줍니다. 그런 다음 코드를 작성하지 않고도 자신의 데이터 세트를 사용하여 이 초기 데이터 세트 예제를 쉽게 사용자 정의할 수 있습니다.
상품 설명
당신이 품목(예: 청량음료)의 공급자이고 상점 선반에 몇 개의 병이 있는지 알고 싶다고 가정해 보십시오. 이를 수행하는 데 도움이 되는 앱을 구축할 수 있습니다. IBM Maximo Visual Inspection은 딥 러닝을 사용하여 업로드하고 레이블을 지정하는 이미지를 기반으로 훈련된 모델을 생성합니다. 새로운 객체 감지 모델을 교육, 배포, 테스트하기 위해 코드를 작성할 필요가 없습니다. 이미지를 업로드하고 마우스를 사용하여 이미지의 개체에 레이블을 지정한 다음 IBM Maximo Visual Inspection에서 학습을 수행하면 됩니다.
이 패턴을 사용하면 딥 러닝 교육을 사용하여 객체 감지 모델을 만듭니다. 몇 번의 클릭만으로 모델을 교육하고 배포 할 수 있습니다. 모델을 학습하고 배포 한 후 REST 엔드 포인트를 사용하면 이미지에서 항목을 찾고 계산할 수 있습니다. 코드 패턴에는 콜라 병 감지기를 구축하는 데 도움이되는 예제 데이터 세트가 포함되어 있지만 자체 예제를 사용하고 다른 객체를 감지 할 수 있습니다.
IBM Maximo Visual Inspection은 추론 작업을 위한 REST API를 제공합니다. 사용자 정의 모델을 통해 객체 감지를 위해 REST 클라이언트를 사용할 수 있으며 IBM Maximo Visual Inspection UI를 사용하여 이를 테스트할 수 있습니다. 이 예에는 이미지를 업로드한 다음 감지된 객체 주위에 레이블과 경계 상자를 사용하여 이미지를 그리는 방법을 보여주는 Node.js 앱 예제가 포함되어 있습니다.
이 코드 패턴을 완료하면 다음 방법을 알아야합니다.
- IBM Maximo Visual Inspection을 사용하여 객체 감지를 위한 데이터 세트 생성
- 데이터 세트를 기반으로 모델 교육 및 배포
- REST 호출을 사용하여 모델 테스트
흐름
- 이미지를 업로드하여 IBM Maximo Visual Inspection 데이터 세트를 작성하십시오.
- 훈련 전에 이미지 데이터 세트의 객체에 레이블을 지정하십시오.
- IBM Maximo Visual Inspection에서 모델을 훈련, 배치 및 테스트합니다.
- REST 클라이언트를 사용하여 이미지의 오브젝트를 감지하십시오.
명령
이 패턴에 대한 자세한 단계는 README. 이 단계는 다음을 수행하는 방법을 보여줍니다.
- powerai-vision-object-detection GitHub 저장소를 복제하십시오.
- IBM Maximo Visual Inspection에 로그인하십시오.
- 물체 감지 훈련을위한 새로운 데이터 세트를 생성합니다.
- 훈련 대상체에 대한 태그를 생성하고 대상체에 라벨을 붙입니다.
- DL 작업을 만듭니다.
- 모델을 배포하고 테스트하십시오.
- 앱을 실행합니다.
결론
이 코드 패턴은 IBM Maximo Visual Inspection 객체 감지를 사용하여 사용자 정의된 훈련을 기반으로 이미지 내의 객체를 감지하고 레이블을 지정하는 방법을 보여줍니다. 코드 패턴은 IBM Maximo Visual Inspection 시작하기 학습 경로. 시리즈를 계속하고 더 많은 IBM Maximo Visual Inspection 기능에 대해 알아보려면 다음 코드 패턴을 살펴보세요. OpenCV 및 딥 러닝을 사용한 비디오의 객체 추적.
소스 : https://developer.ibm.com/patterns/locate-and-count-items-with-object-detection/
