使用ModelArts实现目标检测任务

一、背景

图像识别是借助计算机技术，对图像做出各种处理、分析，最终识别我们所要研究的目标。近年来，随着人工神经网络的兴起，尤其是其在图像领域的应用效果显著，使得图像识别技术在公共安全、生物、工业、农业、交通、医疗等很多领域都有很多应用。

本文基于华为的一站式AI开发平台ModelArts，实现对“云宝”的图像识别。下面是具体实现过程。

二、训练过程

    第1步：首先进入华为云官网并登录账号，进入页面右上角控制台。

    第2步：进入控制台后点开左上角菜单并下拉找到“人工智能”下的“ModelArts”选项。

    第3步：由于本文以图像识别为例，因此属于自动学习中的物体检测问题，点击“创建项目”。

    第4步：之后会进入数据集选择界面，选择数据集的输入位置。

  

    第5步：由于华为数据集是以“桶”的形式存放的，因此需要将准备好的数据集上传到“桶”的文件夹中。新建“桶”的方式有多种，这里仅介绍两种。第一种直接在数据集选择界面进行操作，选择“新建桶”。

    在下面的页面中填写“桶”名称，注意命名规则，本文“桶”名称为“example-yunbao”。其它选项保持默认即可。点击“立即创建”。

    此时“桶”已完成创建，会自动跳转到“对象存储服务”页面。接下来是向“桶”中新建文件夹并上传数据。依次点击页面下方新建的“桶”的名称“example-yunbao”、“对象”、“新建文件夹”。在弹窗中输入文件夹名称。本文所创建的文件夹名称为“soucedata”与“output”。创建完成后点击文件夹即可通过拖拽或“添加文件”的方式上传数据集图片。

  

    第二种方式是通过“控制台”-左侧导航栏-“对象存储服务OBS”-“桶列表”-右上角“创建桶”的方式实现，之后过程与第一种方式相同。

    第6步：创建桶完成后，再次进入“控制台”-导航栏“ModelArts”-“自动学习”-物体检测“创建项目”，选择数据集输入位置，数据集输出位置文件夹位置，前者通常为数据集图片的位置。完成后点击“创建项目”。

 

    第7步：点击“未标注”中的任意一张图片开始进行标注。标注方法为在目标的一个角单击，移动光标，在终点单击即可。

第8步：标记完数据集后，点击“开始训练”进入训练过程。在弹出的窗口中选择训练集/验证集比例，由于本文数据集量较小（仅30张），因此训练集比例选择较大。之后点击“下一步”、“提交”即可。

二、部署上线

    训练完成结果如下图，从图中可以看出，准确率为86%，训练时间仅需4分钟，但是当数据集越来越大时，所需训练时间也会迅速增长。

    之后即可进行部署并测试。点击“部署”、“下一步。”

    部署成功后，即可点击“上传”、“预测”进行上传图片进行测试。

    下面是测试结果：

  

  

    可以看到，测试图片均能准确进行识别，说明训练得到的模型是可用的。此外，平台还提供了测试的python调用代码和URL接口。

具体代码如下：

{

    "detection_classes": [

        "卡通人物"

    ],

    "detection_boxes": [

        [

            "63.788475",

            "345.27063",

            "690.2401",

            "846.3905"

        ]

    ],

    "detection_scores": [

        "0.96192086"

    ]

}

https://3c18bcd59e3e4d97a54d23387a0d2c9d.apig.cn-east-3.huaweicloudapis.com/v1/infers/23cb8c4f-1dcf-4f58-85d9-3f94e00e9731 

    基于此，可以实现对检测目标的调用，方便后续工作。

三、总结

    通过ModelArts实现对“云宝”的物体检测，可以感受到其为图像识别等带来的巨大便利。使得我们不用再为算法架构过多考虑，即使是完全不懂神经网络，同样可以按照给定的步骤完成模型的训练和检测。