Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
So TensorFlow funktioniert die Objekterkennung
Der TensorFlow Objekterkennungsalgorithmus verwendet ein Bild als Eingabe und sagt Begrenzungsrahmen und Objektbeschriftungen voraus. Verschiedene Deep-Learning-Netzwerke wie MobileNet, ResNet, Inception und EfficientNet sind äußerst präzise für die Objekterkennung. Es gibt auch Deep-Learning-Netzwerke, die auf großen Bilddatensätzen trainiert werden, wie beispielsweise Common Objects in Context (COCO), das 328.000 Bilder enthält. Nachdem ein Netzwerk mit COCO-Daten trainiert wurde, können Sie das Netzwerk anhand eines Datensatzes mit einem bestimmten Fokus feinabstimmen, um spezifischere Aufgaben zur Objekterkennung auszuführen. Der Amazon SageMaker AI Object Detection — TensorFlow Algorithmus unterstützt Transfer Learning auf vielen vortrainierten Modellen, die im TensorFlow Model Garden verfügbar sind.
Je nach Anzahl der Klassenbezeichnungen in Ihren Trainingsdaten wird dem vortrainierten TensorFlow Modell Ihrer Wahl eine Objekterkennungsebene hinzugefügt. Anschließend können Sie entweder das gesamte Netzwerk (einschließlich des vortrainierten Modells) oder nur die oberste Klassifizierungsebene für neue Trainingsdaten feinabstimmen. Mit dieser Methode des Transfer Learning ist ein Training mit kleineren Datensätzen möglich.
