利用EasyDL制作一个简单的图片识别小项目

主要是利用EasyDL制作一个简单的傻瓜式猫狗图片识别,利用EasyDL,只需要几步简单的点击即可

*主要的步骤:
1.准备数据
2.训练模型
3.部署
4.H5
*

1.首先创建两个文件夹cat和dog分别搜集至少20张以上的猫和狗的图片(如果不足20张,后期模型准确率会下降)。
在这里插入图片描述

2.搜集好图片以后把两个文件夹一起打包(按住ctrl键,点击两个文件夹,右键打包),这时要注意,压缩的文件格式需要选择ZIP格式,且不能超过5GB。

*****************************************************************************************************。
EasyDL 平台对标注数据的压缩包有具体要求如下:
① 上传已标注文件要求格式为 zip 格式压缩包,同时压缩包大小在 5GB 以内;
② 压缩包内需要包括 Images、Annotations 两个文件夹,分别包括不重名图片源文件
(jpg/png/bmp/jpeg)及与图片具有相同名称的对应标注文件(xml 后缀);
③ 标注文件中标签由数字、中英文、中/下划线组成,长度上限 256 字符;
④ 图片源文件大小限制在 14M 内,长宽比在 3:1 以内,其中最长边需要小于 4096px,
最短边需要大于 30px;
⑤ 个人账户下图片数据集大小限制为 10 万张图片,如果需要提升数据额度,可在平台
提交工单。
*****************************************************************************************************。
在这里插入图片描述
2.打包好后点击创建模型,输入模型名称、邮箱、电话、以及业务描述。
在这里插入图片描述
3.传承完成以后就即可创建模型。在这里插入图片描述
4.输入数据集名称。在这里插入图片描述
5.创建模型以后导入数据,选择有标注信息(这里是因为我们提前分了两个文件夹对图片进行分类,如果没有提前分类,需要选择无标注信息,等数据导入以后再在平台上手动分类)。
在这里插入图片描述
6.注意上传格式。
在这里插入图片描述
7.等待导入。
在这里插入图片描述
8.导入成功后可以点击在线标注,查看图片标签是否正确,如有错误可以进行修改。倘若上传的是无标注信息的数据,在在线标注中创建合适的标签,对上传的图片进行标注即可。
在这里插入图片描述
9.准备训练模型,添加创建的数据集。
在这里插入图片描述
10.打开高级配置,epoch选择手动设置为10,epoch是训练集完整参与训练的次数。如有训练数据集较大,模型训练不充分,模型精度较低的情况,可适当增加epoch,使模型训练更完整。
在这里插入图片描述
11.等待模型训练。在这里插入图片描述
12.等模型训练好了,点击发布模型,选择模型,并输入服务名称以及接口等。注意这里的接口地址每一个模型都不一样,如果相同是提交不了申请的。
在这里插入图片描述
13.点击在线服务,找到自己创建的数据集,点击体验H5,创建应用。
在这里插入图片描述

14.跳转到百度云,创建应用,归属记得选择个人。

在这里插入图片描述
15.返回Easy DL,刷新,等待一会,点击体验H5,即可生成二维码,扫描即可。(但是要注意这里的二维码要是你创建了别的数据集二维码,原先的二维码就会失效,需要重新点击体验H5即可)

在这里插入图片描述

16.赶快喊上你的小伙伴上传图片体验一下吧!
在这里插入图片描述

  • 3
    点赞
  • 26
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
基于【easydl】实现农作物虫害识别的源码主要包含以下几个主要步骤。 首先,我们需要准备训练数据集。这个数据集应包含不同类型的农作物虫害的图像样本。可以从互联网上收集到大量的农作物虫害图像,也可以通过实地调查和拍摄获取。数据集应该尽可能具有多样性,以便训练出更准确的模型。此外,还需要给每个图像样本进行标注,以便让模型知道每个图像对应的农作物虫害类型。 接下来,我们需要固定好模型架构和参数。在【easydl】平台中,可以选择不同的卷积神经网络(CNN)结构,如ResNet、VGG等,来构建模型。此外,还需要确定其他超参数,如学习率、批次大小等。 然后,我们可以使用【easydl】提供的API接口,将准备好的数据集上传至平台。在平台上,可以通过简单的操作创建一个项目,并选择农作物虫害识别任务。然后,可以将训练数据集导入项目,并进行模型训练。在训练过程中,平台会自动进行反向传播、权重更新等操作,以优化模型的性能。 训练完成后,我们可以使用【easydl】提供的API接口,将测试数据集导入项目,并对模型进行验证和测试。平台会根据模型对测试集数据进行预测,并给出每张图像的农作物虫害识别结果。可以通过计算准确率、召回率等指标评估模型的性能。 最后,我们可以将训练好的模型保存,并通过【easydl】提供的API接口,将模型集成到自己的应用或系统中,实现农作物虫害的实时识别。 综上所述,基于【easydl】实现农作物虫害识别的源码主要包括数据准备、模型构建和训练、模型验证和测试、模型集成等步骤。通过【easydl】平台提供的API接口,可以方便地完成这些操作,从而实现农作物虫害的快速可靠的识别
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值