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.
Funktionsweise TensorFlow von Object Detection –
Der Objekterkennungsalgorithmus TensorFlow nimmt ein Bild als Eingabe und prognostiziert Begrenzungsrahmen und Objektbezeichnungen. Verschiedene Deep-Learning-Netzwerke wie MobileNet,, ResNetInception und EfficientNet sind für die Objekterkennung sehr genau. 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 Object Detection - TensorFlow Algorithmus unterstützt Transfer Learning für viele vortrainierte Modelle, die TensorFlow im Model microSD verfügbar sind.
Je nach Anzahl der Klassenbezeichnungen in Ihren Trainingsdaten wird eine Objekterkennungsebene an das vortrainierte TensorFlow Modell Ihrer Wahl angehängt. 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-Lernens ist ein Training mit kleineren Datensätzen möglich.
