Acompaña el evento final de la Maratón Behind the Code 2020: 05/12 - Online ¡Inscríbete ahora!

Cree aplicaciones de detección de objetos en tiempo real empleando Watson Machine Learning

Resumen

Ya sea que esté contando automóviles en una carretera o personas atrapadas en un desastre natural, hay muchos casos prácticos para detección de objetos. Muchas veces, los modelos de detección de objetos pre-entrenados no satisfacen sus necesidades y usted necesita crear sus propios modelos personalizados. ¿Cómo puede usar el aprendizaje automático para entrenar su propio modelo personalizado sin altas demandas de poder de procesamiento y tiempo? Watson Machine Learning. ¿Cómo puede usar su modelo entrenado de manera personalizada para detectar objetos en tiempo real, con completa privacidad de usuario, en un dispositivo con poder de procesamiento limitado? Core ML de Apple, TensorFlow.js y TensorFlow Lite.

Descripción

En este padrón de código, usted desarrollará una aplicación iOS, Android o web (o las tres) que le permite usar sus propios modelos entrenados de manera personalizada para detectar objetos. Usted creará una instancia de IBM Cloud Object Storage para almacenar sus datos etiquetados, una vez que sus datos estén listos, usted aprenderá a iniciar una instancia de Watson Machine Learning para entrenar su propio modelo personalizado en GPU de primera línea. Después que su modelo haya completado el entrenamiento, usted puede simplemente arrastrar y soltar el modelo en su aplicación.

Al finalizar este padrón de código, deberá entender cómo:

  • Etiquetar datos que puedan ser usados para detección de objetos
  • Usar sus datos personalizados para entrenar un modelo empleando Watson Machine Learning
  • Detectar objetos con Core ML

Imagen de ejemplo

Diagrama de construcción de una aplicación de visión por computadora con Watson ml

  1. Cargue los datos de entrenamiento en IBM Cloud Object Storage.
  2. Watson Machine Learning obtiene los datos de entrenamiento de IBM Cloud Object Storage y entrena un modelo con TensorFlow. El modelo entrenado se vuelve a guardar en IBM Cloud Object Storage.
  3. Los modelos entrenados se adicionan a la aplicación.
  4. El usuario interactúa con las aplicaciones que pueden detectar objetos en tiempo real.

Instrucciones

Para comenzar a desarrollar la aplicación, usted puede seguir los pasos en el siguiente workshop.

Aviso

El contenido aquí presentando fue traducido de la página IBM Developer US. Puede revisar el contenido original en este link.