Dette kodemønsteret er en del av Komme i gang med IBM Maximo Visual Inspection læringsvei.
Oppsummering
Objektdeteksjon har annen bruk og andre muligheter enn bildeklassifisering. Dette kodemønsteret viser hvordan du bruker IBM Maximo Visual Inspection Object Detection til å oppdage og merke objekter i et bilde (i dette tilfellet Coca-Cola-produkter), basert på tilpasset opplæring. Du kan deretter enkelt tilpasse dette første datasetteksemplet med dine egne datasett - uten å skrive noen kode.
Beskrivelse
Tenk deg at du er leverandør av en vare (for eksempel en brus) og du vil vite hvor mange flasker det er i en butikks hylle. Du kan bygge en app som hjelper deg å gjøre nettopp det. IBM Maximo Visual Inspection bruker dyp læring for å lage opplærte modeller basert på bilder du laster opp og merker. Du trenger ikke skrive noen kode for å trene, distribuere og teste en ny objektdeteksjonsmodell. Du laster ganske enkelt opp bildene, bruker musen til å merke objektene i bildene, og lar så IBM Maximo Visual Inspection gjøre læringen.
Med dette mønsteret vil du bruke dyp læringstrening for å lage en modell for gjenstandsdeteksjon. Med bare noen få klikk kan du trene og distribuere modellen. Etter at du har trent og distribuert modellen, lar et REST-endepunkt deg finne og telle elementer i et bilde. Kodemønsteret inkluderer et eksempeldatasett for å hjelpe deg med å bygge en Cola-flaskedetektor, men du kan bruke dine egne eksempler og oppdage andre objekter.
IBM Maximo Visual Inspection presenterer REST API-er for slutningsoperasjoner. Du kan bruke en hvilken som helst REST-klient for objektdeteksjon med din egendefinerte modell, og du kan bruke IBM Maximo Visual Inspection UI til å teste den. Dette eksemplet inkluderer et eksempel på en Node.js-app som viser hvordan du laster opp et bilde og deretter tegner bildet med etiketter og avgrensningsbokser rundt oppdagede objekter.
Når du har fullført dette kodemønsteret, bør du vite hvordan du:
- Opprett et datasett for objektdeteksjon med IBM Maximo Visual Inspection
- Tren og distribuer en modell basert på datasettet
- Test modellen ved å bruke REST-anrop
Flow
- Last opp bildene for å lage et IBM Maximo Visual Inspection-datasett.
- Merk objektene i bildedatasettet før trening.
- Tren, distribuer og test modellen i IBM Maximo Visual Inspection.
- Bruk en REST-klient for å oppdage objekter i bilder.
Instruksjoner
Finn de detaljerte trinnene for dette mønsteret i README. Disse trinnene viser deg hvordan du gjør:
- Klon powerai-vision-object-detection GitHub-repoen.
- Logg på IBM Maximo Visual Inspection.
- Opprett et nytt datasett for trening for objektdeteksjon.
- Lag tagger for treningsobjekter og merk objektene.
- Lag en DL-oppgave.
- Distribuer og test modellen.
- Kjør appen.
konklusjonen
Dette kodemønsteret demonstrerte hvordan du bruker IBM Maximo Visual Inspection Object Detection til å oppdage og merke objekter i et bilde basert på tilpasset opplæring. Kodemønsteret er en del av Komme i gang med IBM Maximo Visual Inspection læringsvei. For å fortsette serien og lære om flere IBM Maximo Visual Inspection-funksjoner, ta en titt på neste kodemønster, Objektsporing i video med OpenCV og Deep Learning.
Kilde: https://developer.ibm.com/patterns/locate-and-count-items-with-object-detection/
