As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Como TensorFlow funciona a detecção de objetos
O TensorFlow algoritmo de Detecção de Objetos usa uma imagem como entrada e prevê caixas delimitadoras e rótulos de objetos. Várias redes de aprendizado profundo MobileNet, como, ResNet, Inception e, EfficientNet são altamente precisas para detecção de objetos. Também existem redes de aprendizado profundo que são treinadas em grandes conjuntos de dados de imagens, como Common Objects in Context (COCO), que tem 328.000 imagens. Depois que uma rede é treinada com COCO dados, você pode então ajustar a rede em um conjunto de dados com um foco específico para realizar tarefas mais específicas de detecção de objetos. O TensorFlow algoritmo Amazon SageMaker Object Detection suporta o aprendizado por transferência em muitos modelos pré-treinados que estão disponíveis no TensorFlow Model Garden.
De acordo com o número de rótulos de classe em seus dados de treinamento, uma camada de detecção de objetos é anexada ao TensorFlow modelo pré-treinado de sua escolha. Você pode, então, ajustar toda a rede (incluindo o modelo pré-treinado) ou somente a camada de classificação superior nos novos dados de treinamento. Com esse método de transferência de aprendizado, é possível treinar com conjuntos de dados menores.
