Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Come TensorFlow funziona il rilevamento di oggetti
L' TensorFlow algoritmo Object Detection prende un'immagine come input e prevede i riquadri di delimitazione e le etichette degli oggetti. Diverse reti di deep learning come MobileNet Inception e EfficientNet sono estremamente accurate per il rilevamento di oggetti. ResNet Esistono anche reti di deep learning addestrate su set di dati di immagini di grandi dimensioni, come Common Objects in Context (COCO), che contiene 328.000 immagini. Dopo che una rete è stata addestrata con i dati COCO, puoi perfezionare la rete su un set di dati con particolare attenzione per eseguire attività di rilevamento degli oggetti più specifiche. L' TensorFlow algoritmo Amazon SageMaker Object Detection supporta il transfer learning su molti modelli preaddestrati disponibili nel TensorFlow Model Garden.
In base al numero di etichette di classe nei dati di addestramento, al TensorFlow modello preaddestrato di tua scelta viene associato un livello di rilevamento degli oggetti. Puoi quindi ottimizzare l'intera rete (incluso il modello preaddestrato) o solo il livello di classificazione superiore in base ai nuovi dati di addestramento. Con questo metodo di trasferimento dell'addestramento, puoi eseguire l’addestramento di set di dati più piccoli.
