没有AI工程师，就不能玩AI了吗？不-CSDN博客

本文链接：https://blog.csdn.net/2303_77877769/article/details/137471792

第三步：采集训练数据

之前说过，我们尝试用图像来调研，就是因为获取训练数据方便，所以百度撸一发戴口罩和不戴口罩的图片（当然你有其他渠道获得更多数据也可以）。

初步验证，差不多戴口罩的和不戴口罩的各采集个50张左右，顺便再采集3、4张后续用来验证的照片。如果准备在业务里真实应用，建议实地采集和应用类似的数据。

第四步：创建数据集，完成数据打标

在创建的模型里，创建数据集：

将上一步我们采集的图片信息上传到该数据集中，并对图片进行打标，区分出有戴口罩和没戴口罩的人。在这一步，还可以借助EasyData这个智能数据服务平台，通过数据清洗功能，智能清洗掉模糊、近似照片来提升数据质量；并利用数据采集、数据智能标注、多人标注等功能提升数据采集效率、提高标注速度。

接着讲第五步：训练模型，验证结果

完成了数据准备之后，我们就开始训练模型吧！

选择要使用的训练算法、以及上面我们准备好的数据集，就可以开始训练，剩下就是静静等待模型训练完成。

训练完成之后，我们可以看到类似上面的结果，如果准确率你不满意，还可以继续调整，比如出现判断错误的数据做一些优化，或者再多搜索一些图片素材，增大训练样本。

当模型训练差不多满意了，那就尝试验证一下，方法也很方便，直接拖入你准备好的用于验证的图片，看看识别结果吧：

第六步：优化调整

如果验证结果还不够满意，那么你还可以继续训练优化，方式也很简单，你可以继续增大样本，还可以利用百度EasyDL提供的数据清洗工具，对低质量的数据进行处理。这些操作在百度EasyDL都有清晰的指引，就算你是AI小白，也能非常方便地去提升你的模型质量。

另外，EasyDL还支持云服务数据回流功能，授权之后可以管理已发布云服务的数据，查找API识别错误的数据，保存到数据集进行清洗、标注后，用于下一次模型优化训练，尽最大可能提升你的模型效果。

第七步：发布接口

在模型训练完成之后，我们要将其纳入我们应用的一部分，我们只需要简单通过页面点击，就能把这个功能以API接口的方式发布出来。

通过这种方式，不论是我们的后端服务，还是终端设备，只要网络允许，就可以用到我们这里训练出来的模型来完成业务需求。

进一步思考

通过上面一系列的操作，我并没有编写一行代码，就基本上完成了张同学想要的检测戴没戴口罩的需求（当然，精准度上以及检测形式是以图片还是视频，还需要根据实际情况去优化与选择）。这比起我们通过使用开源框架去搭建和使用来说要方便了好多，尤其对于没有接触过AI相关开发的人群甚至是技术小白来说，也是非常容易上手的。

顺手查了一下百度EasyDL目前的应用也是非常地广。比如与我们生活息息相关的垃圾分类，北京一家科技公司基于EasyDL，将常见快消品饮料垃圾图像做结合，不到半天时间便完成识别准确率高达99%的垃圾分类模型，初步实现了7种常见垃圾的分类能力，并集成到他们设计、研发并生产的智能垃圾箱中，作为国内首批支持自动分类的智能垃圾箱，成功落地。除此之外，百度EasyDL对于一些小创业公司也是帮助非常之大，比如北京一家创业公司在团队中没有AI工程师的情况下，借助百度EasyDL实现了在电线杆上的AI天眼，有效减少电力巡检投入的人力成本，同时也避免了电力巡检过程中可能产生的人员伤亡事件。类似的应用还有很多，有些应用的实践甚至都不是开发人员所创建的。所以，在百度EasyDL这个平台的帮助下，如果你有一些创新性的想法，几乎不需要太多前置的学习门槛，就可以快速的入门并建立你想要的AI模型，然后逐步地深入优化。

同时，配合平台提供的模型售卖板块，还能将你的产品公开进行出售服务！

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。