此 Code Pattern 是 IBM Maximo Visual Inspection 入门 学习系列的一部分。
级别 | 主题 | 类型 |
---|---|---|
100 | 计算机视觉简介 | 文章 |
101 | IBM Maximo Visual Inspection 简介 | 文章 |
201 | 构建并部署 IBM Maximo Visual Inspection 模型并在 iOS 应用中使用 | 教程 |
202 | 通过对象检测定位并统计物体 | Code Pattern |
203 | 使用 OpenCV 和深度学习对视频中的对象进行跟踪 | Code Pattern |
301 | 验证计算机视觉深度学习模型 | Code Pattern |
302 | 使用 IBM Maximo Visual Inspection 针对 AI 项目开发分析仪表板 | Code Pattern |
303 | 自动化视觉识别模型训练 | Code Pattern |
304 | 在仪表板中加载 IBM Maximo Visual Inspection 推断结果 | Code Pattern |
305 | 构建对象检测模型以从汽车图像中识别车牌 | Code Pattern |
306 | 自动化视频分析 | Code Pattern |
307 | 通过 AI 对实时摄像头流和视频收集洞察 | Code Pattern |
摘要
与图像分类相比,对象检测具有不同的用途和商机。本 Code Pattern 演示如何使用 IBM Maximo Visual Inspection Object Detection 根据自定义训练检测并标记图像中的物体(在本例中为可口可乐产品)。然后,您可以依据自己的数据集轻松定制这个初始的数据集示例,而无需编写任何代码。
概览
假设您是某种商品(比如软饮料)的供应商,希望了解商店货架上还有多少瓶饮料。您可以构建一款应用来帮助自己完成这项工作。IBM Maximo Visual Inspection 根据您上传并标记的图像,利用深度学习来创建经过训练的模型。您无需编写任何代码来训练、部署和测试新的对象检测模型。只需上传图像,使用鼠标标记图像中的物体,然后让 IBM Maximo Visual Inspection 完成学习。
在本模式中,您将使用深度学习训练来创建对象检测模型。只需单击几下,您就可以训练和部署这个模型。在训练和部署了这个模型之后,REST 终端支持您定位图像中的物体并计数。本 Code Pattern 包含帮助您构建可口可乐瓶检测器的示例数据集,但您也可以使用自己的示例并检测其他物体。
IBM Maximo Visual Inspection 提供了用于推理操作的 REST API。您可以使用任何 REST 客户端,通过自定义模型进行对象检测,也可以使用 IBM Maximo Visual Inspection 用户界面进行测试。本示例包括一个 Node.js 示例应用,演示了如何上传图像,然后通过标签和被检测物体的边界框绘制图像。
学完本 Code Pattern 后,您应该掌握如何:
- 通过 IBM Maximo Visual Inspection 创建对象检测数据集
- 基于该数据集训练和部署模型
- 使用 REST 调用来测试该模型
流程
- 上传图像以创建 IBM Maximo Visual Inspection 数据集。
- 在训练之前在图像数据集中标记物体。
- 在 IBM Maximo Visual Inspection 中训练、部署和测试该模型。
- 使用 REST 客户端来检测图像中的物体。
操作说明
您可以在 README 文件中找到本 Code Pattern 的详细步骤。这些步骤将展示如何:
- 克隆 powerai-vision-object-detection GitHub 代码仓库。
- 登录到 IBM Maximo Visual Inspection。
- 创建新数据集以进行对象检测训练。
- 创建训练物体的标签并标记物体。
- 创建一个深度学习(DL)任务。
- 部署和测试该模型。
- 运行应用。
结束语
本 Code Pattern 展示了如何使用 IBM Maximo Visual Inspection Object Detection 根据个性化训练来检测并标记图像中的对象。此 Code Pattern 是 IBM Maximo Visual Inspection 入门 习系列的一部分。要继续本系列并了解更多 IBM Maximo Visual Inspection 特性,请查看下一个Code Pattern:使用 OpenCV 和深度学习对视频中的对象进行跟踪。
本文翻译自:Locate and count items with object detection(2020-06-16)