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.
Comment TensorFlow fonctionne la détection d'objets
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 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.
