2021年8月24日 | Leave a comment [[_TOC_]] ———– # 是做什么的 “百度 EasyDL 图像” 是 零门槛AI模型训练平台,零算法基础定制高精度图像应用AI模型, 提供端云多种灵活部署方案 * 零门槛:无需要知道学习算法,也不需要配置AI训练环境就可以使用 * 定制:每人可以训练自己特定的模型。 * 支持 “图像分类” 、 “物体检测”、“图像分割” 三类模型 应用案例: 1. 内容理解 > 将海量商品标签分类,实现商品识别分类、商品推荐等功能; > 制定图片审核规则,实现图片内容审核功能,常用于新闻、视频、青少年app等定制审核策略,过滤不良信息 2. 监控场景 > 生产现场的安全性监控,如工人的安全帽、工作服检测,物料堆放位置检测; > 公共场合及居住小区的可疑行为检测;超市防损监控等 3. 工业质检 > 生产流水线上针对产品的外观瑕疵检测,例如缺损、错装、漏装等情况的检测,提升检测效率,降低成本 4. 农业医疗 > 根据医学检测图识别肿瘤、皮肤病、寄生虫的类型,辅助医生高效完成诊断; > 农作物生长成熟度判断、害虫检测预警等,节省务农人力,提升农作物产出 ———– # 怎么使用它 简单四步获得AI模型 1. 创建模型,需要弄清楚模型分类。 A. “图像分类”: 定制识别一张图中是否是某类物体/状态/场景,适合图片中主体或者状态单一的场景. 比如图中只有一只猫、狗这种**动物分类、或者单条不同品种的狗、或者客厅卧室**; B. “物体检测” : 定制识别图中每个物体的位置、名称,适合有多个主体、或要识别位置及数量的场景。 AI市场有:**有无佩戴安全帽、电梯有没有单车电动车、垃圾分类、佩戴口罩** C. “图像分割” : 对比物体检测,支持用多边形标注训练数据,模型可识别目标位置及轮廓(未研究) 1. 准备数据,**数据的有效性决定模型的识别率**(重点难点!至少需要四十张以上特征明显的图片,上传并标注好。) 1. 训练模型,为模型选择准备好的数据 1. 发布模型,百度可提供一个 RESTful 接口供调用 . (持公有云API调用模型;由EasyEdge提供适应于市面上多种通用小型设备、本地服务器、百度自研硬件的离线部署以及端云协同部署方案) ———– # 训练记录 ## 未带安全帽检测 模型ID:134037 【物体检测】 ### 1. 目标 模型能检测出图中未带安全帽的人 ### 2. 训练的数据集: 安全帽标注 数据集组ID:206699 ![image.png](/.attachments/image-b6ed0b70-c3e8-441f-baca-d3bdcdb1bf08.png) ![image.png](/.attachments/image-a0b79475-384d-47dc-99c8-edaf699248d5.png) ### 3. 模型校验结果 ![image.png](/.attachments/image-1a899eff-6be7-4bf3-8fe5-1d7ff47afc3a.png) ![image.png](/.attachments/image-481e261c-286a-4aa6-9198-0dbcc53dd8c7.png) ![image.png](/.attachments/image-e1699055-b991-42e8-a73b-f4923e6fe601.png) ![image.png](/.attachments/image-b02d5121-8bb3-4c37-8f80-86edb13a0362.png) ![image.png](/.attachments/image-1091caef-9b31-4efc-b526-2cc6515b46e9.png) ### 4. 结果 **识别率还不错** —- ## 孔洞检测 模型ID:134056 【物体检测】 ### 1. 目标 模型能检测出图中未遮挡的孔洞 ### 2. 训练的部分数据集: 孔洞标注 数据集组ID:207029 ![image.png](/.attachments/image-aa1405b2-f74d-4426-8132-c81572f5d887.png) ![image.png](/.attachments/image-be3edab2-4ec1-48bd-a0a7-d765e5e057da.png) ### 3. 模型校验结果 ![image.png](/.attachments/image-120304f2-9571-4a7f-a81b-2660a065b532.png) ![image.png](/.attachments/image-4ced7c76-bfd4-4856-89ec-deebd06b8f97.png) ![image.png](/.attachments/image-1ed69470-39d6-4557-81af-db4739ca258a.png) ![image.png](/.attachments/image-fee1b003-265a-4c5f-9a29-6acc338deca6.png) ![image.png](/.attachments/image-7db9d992-bd28-40d5-8a51-a3135f488764.png) ![image.png](/.attachments/image-72f07788-3c99-4861-a03f-c67e8a34b987.png) ![image.png](/.attachments/image-ee621965-1a75-4375-9826-b95b3cd5099f.png) ![image.png](/.attachments/image-32cd45c5-8212-4f97-bdc5-1eff420c3fdf.png) ### 4. 结果 **识别率还有待提高** —- ## 配电箱与开关箱检测 模型ID:134612 ### 1. 目标 模型能检测出 ### 2. 训练的部分数据集: 配电箱与开关箱标注 数据集组ID:207679 ![image.png](/.attachments/image-74dd664c-6ead-44f1-9bb5-0912dbd4a237.png) ![image.png](/.attachments/image-95d6012e-84c8-40d2-a371-6e2bc6178e23.png) ### 3. 模型校验结果 ![image.png](/.attachments/image-b74e53c6-96a7-41ac-b73e-f76ac4f397b3.png) ![image.png](/.attachments/image-cb9e1a0f-c494-45b6-ba93-0491bbaf77e8.png) ![image.png](/.attachments/image-e078cc36-67f5-43ea-9281-e0091633419e.png) ![image.png](/.attachments/image-5ab1454b-4811-4418-b68e-6d397d8d64a3.png) ![image.png](/.attachments/image-09d0c82d-14a8-4267-9083-4c49d133179f.png) ![image.png](/.attachments/image-1529ef43-d393-4558-899d-870e0118cc89.png) ![image.png](/.attachments/image-7caedd4d-d5d5-49b2-a881-a3785aeeee00.png) ![image.png](/.attachments/image-865651cc-0d3e-4c36-8f3c-0acc42f8e5b8.png) ### 4. 结果 **不理想** —- ## 纸张检测 模型ID:134849 【物体检测】 ### 1. 目标 模型能检测出图中的纸张 ### 2. 训练的部分数据集: ![image.png](/.attachments/image-9029d838-9d94-4fbc-b50a-88e3d541bf47.png) ![image.png](/.attachments/image-daa570c3-dde7-4241-8336-e958107cc83a.png) ### 3. 模型校验结果 ![image.png](/.attachments/image-4b6e2bc9-0125-492a-a7d4-6022ecde71cd.png) ![image.png](/.attachments/image-7751756d-3f02-452b-9b00-1b9c07dfe736.png) ![image.png](/.attachments/image-d19371dd-a024-4cd3-b902-66e455631fe7.png) ![image.png](/.attachments/image-601e480d-38cf-4bfb-bad0-858414fb4733.png) ![image.png](/.attachments/image-ea35be14-b846-49f7-8628-cd7ba7d1015a.png) ![image.png](/.attachments/image-bc36dc40-7deb-4376-a7ca-fb3c9d46e78d.png) ![image.png](/.attachments/image-8fd1af70-9d1c-474b-93e4-41647328e089.png) ![image.png](/.attachments/image-e80c469f-50b2-487c-869f-d83bfbf5de87.png) ### 4. 结果 **效果还可以** —- ## 模型ID: ### 1. 目标 模型能检测出 ### 2. 训练的部分数据集: ### 3. 模型校验结果 ### 4. 结果 **等** —– # 应用上值得注意的地方 1. 由于工地照片中出现的物体不单一,“物体检测”效果相对好一点。“图像分类”暂时没有训练出比较有效的模型。 1. 图片越规整效果越好(比如有固定姿势,正脸比背后好) 1. 照片需要针对性拍摄,突出主体(背景太复杂的话不好检测,比如脚手架的照片就不好识别) 1. 图片简单效果好(人少比人多容易识别) 1. 图片需要清晰(人不能太小) ———— # 其它类似产品 Microsoft Azure AI 华为 ModelArts Google #参考: 官网 https://ai.baidu.com/easydl/vision/