Sélectionner vos préférences de cookies

Nous utilisons des cookies essentiels et des outils similaires qui sont nécessaires au fonctionnement de notre site et à la fourniture de nos services. Nous utilisons des cookies de performance pour collecter des statistiques anonymes afin de comprendre comment les clients utilisent notre site et d’apporter des améliorations. Les cookies essentiels ne peuvent pas être désactivés, mais vous pouvez cliquer sur « Personnaliser » ou « Refuser » pour refuser les cookies de performance.

Si vous êtes d’accord, AWS et les tiers approuvés utiliseront également des cookies pour fournir des fonctionnalités utiles au site, mémoriser vos préférences et afficher du contenu pertinent, y compris des publicités pertinentes. Pour accepter ou refuser tous les cookies non essentiels, cliquez sur « Accepter » ou « Refuser ». Pour effectuer des choix plus détaillés, cliquez sur « Personnaliser ».

Comment TensorFlow fonctionne la détection d'objets

Mode de mise au point
Comment TensorFlow fonctionne la détection d'objets - Amazon SageMaker AI

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

L' TensorFlow algorithme Object Detection - prend une image en entrée et prédit les cadres de délimitation et les étiquettes des objets. Divers réseaux d'apprentissage en profondeur tels que MobileNet, ResNet, Inception et EfficientNet sont très précis pour la détection d'objets. Il existe également des réseaux de deep learning qui sont entraînés sur de grands jeux de données d'images, tels que Common Objects in Context, qui contient 328 000 images. Une fois qu'un réseau a été entraîné avec les données de COCO, vous pouvez affiner le réseau sur un jeu de données en mettant l'accent sur l'exécution de tâches de détection d'objet plus spécifiques. L' TensorFlow algorithme Amazon SageMaker AI Object Detection prend en charge l'apprentissage par transfert sur de nombreux modèles préentraînés disponibles dans le TensorFlow Model Garden.

En fonction du nombre d'étiquettes de classe figurant dans vos données d'entraînement, une couche de détection d'objets est attachée au TensorFlow modèle préentraîné de votre choix. Vous pouvez ensuite affiner le réseau entier (y compris le modèle pré-entraîné) ou uniquement la couche de classification supérieure sur les nouvelles données d'entraînement. Avec cette méthode d'apprentissage par transfert, un entraînement avec des jeux de données plus petits est possible.

ConfidentialitéConditions d'utilisation du sitePréférences de cookies
© 2025, Amazon Web Services, Inc. ou ses affiliés. Tous droits réservés.