Lag en app for deteksjon av sanntidsobjekter ved hjelp av Watson Machine Learning

Oppsummering

Enten du teller biler på en vei eller folk som er strandet på hustak i en naturkatastrofe, er det mange bruksområder for gjenstandsdeteksjon. Ofte passer ikke forhåndstrente objektdeteksjonsmodeller dine behov, og du må lage dine egne tilpassede modeller. Hvordan kan du bruke maskinlæring til å trene opp din egen tilpassede modell uten vesentlig datakraft og tid? Watson Machine Learning. Hvordan kan du bruke den spesialtrente modellen din til å oppdage objekter, i sanntid, med fullstendig brukervern, alt på en enhet med begrenset datakraft? Apples Core ML, TensorFlow.js og TensorFlow Lite.

Beskrivelse

I dette kodemønsteret bygger du en iOS-, Android- eller nettapp (eller alle tre) som lar deg bruke dine egne spesialtrente modeller for å oppdage objekter. Du oppretter en IBM Cloud Object Storage-forekomst for å lagre de merkede dataene dine, og etter at dataene dine er klare, vil du lære hvordan du starter en Watson Machine Learning-forekomst for å trene din egen tilpassede modell på førsteklasses GPUer . Etter at modellen din har fullført opplæringen, kan du ganske enkelt dra og slippe modellen inn i applikasjonen.

Når du har fullført dette kodemønsteret, bør du forstå hvordan du:

• Merk data som kan brukes til objektdeteksjon
• Bruk tilpassede data til å trene en modell ved hjelp av Watson Machine Learning
• Finn objekter med Core ML

Flow

1. Last opp opplæringsdataene til IBM Cloud Object Storage.
2. Watson Machine Learning henter opplæringsdataene fra IBM Cloud Object Storage og trener en modell med TensorFlow. Den trente modellen lagres tilbake til IBM Cloud Object Storage.
3. De trente modellene legges til appen.
4. Brukeren samhandler med appene som kan oppdage objekter i sanntid.

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