easyDL图像识别
点击立即使用,会弹出选择模型类型框,选择图像分类
进入图像分类模型界面,点击创建模型
点击创建模型后,填入相关信息,并点击下一步。
就生成了我们创建的模型。
下面进行数据集的创建,点击数据总览,创建数据集
点击创建数据集,然后填入相关信息。
创建完数据集,点击导入
进入数据导入界面,选择有标注信息,本地导入,上传压缩包,以文件件命名类别(图像数据要按照类别分成不同的文件夹,文件夹名字即为标签或者类别信息,最后,把最上层一个大文件夹压缩成.zip文件),点击上传压缩包。
上传完成后,需要等待一会,完成数据的上传。刷新页面即可。
等待一会,刷新页面,点击查看。
可以看到上传的数据信息
再次点击我的模型,选择训练。
添加训练数据
选择数据集,然后勾选标签并点击添加,然后可以看到添加的数据集。
按照默认配置,点击开始训练
有提示,点击继续训练
开始训练后,请勾选短信提示,训练结束会有短信提示。可以关闭网页去干点别的事情。
训练时间与你数据集的大小有关。
喝杯茶,休息休息,大约十分钟吧,收到百度的短信提示,模型训练完毕。
回到主页,对模型进行验证测试,点击校验。
点击启用校验模型
需要等待一会,然后出现校验界面,可以查看模型评估报告,或者修改模型评估结果的置信度。
具体测试模型,从网上下载相关类别图片,直接添加,就可以识别输出识别概率,概率最大的为最终目标。
最后,发布模型即可。按照下面填入信息,接口地址后面还会用到,点击提交申请。
等待模型发布完成
等待一会,模型发布完成。点开服务详情查看接口信息。
记录这个接口地址,并点击立即使用,登录服务控制台,并点击创建应用。
填入相关信息,并点击立即创建。
这两个参数需要记住后面访问服务器接口还需要用到。有这两个参数生成token。
完事具备,只差测试了。呵呵。百度给你Demo是python 2.0的,我把测试改为了python3.0。
总结,我们可以根据这个流程,训练自己的识别对象,只需要少量样本就可以完成对图像识别,方便,有个接口,我们可以在边缘端访问部署的服务器,完成对相关设备的控制。又一个大创题目出来了,哈哈哈!未完待续!………………………………..