物件偵測 TensorFlow 的運作方式

物件偵測 - TensorFlow 演算法會將映像作為輸入，並預測週框方塊和物件標籤。 MobileNet、 ResNet、Inception 和 等各種深度學習網路對於物件偵測 EfficientNet 非常準確。此外，也有深度學習網路接受大型映像資料集的訓練，例如內容中的通用物件 （COCO），其具有 328，000 個映像。使用COCO資料訓練網路之後，您就可以在具有特定焦點的資料集上微調網路，以執行更具體的物件偵測任務。Amazon SageMaker Object Detection - TensorFlow algorithm 支援許多預先訓練模型的 TensorFlow遷移學習，這些模型可在 Model Garden 中使用。

根據您訓練資料中的類別標籤數量，物件偵測層會連接至您選擇的預先訓練 TensorFlow 模型。然後，您可以微調整個網路 (包含預先訓練的模型)，或僅微調新訓練資料的頂部分類層。使用這種傳輸學習方法，可以使用較小的資料集進行訓練。