开源技术 * IBM 微讲堂:Kubeflow 系列(观看回放 | 下载讲义) 了解详情

自动化视觉识别模型训练

此 Code Pattern 已纳入 IBM Maximo Visual Inspection 入门学习路径

摘要

训练视觉识别模型可能是一项重复而又枯燥的工作。用户通常必须手动上传和标记每张图像。此 Code Pattern 展示如何通过使用 Python 脚本监测一组文件夹,从而自动执行这些重复性任务。将图像添加到每个文件夹后,会在 IBM Maximo Visual Inspection 中上传这些图像并加以标记。上传足够的图像后,将会训练图像识别模型。

概览

此 Code Pattern 面向使用自定义视觉识别模型的商业用户,他们希望减少在手动调整和重新训练模型方面所花费的时间。这是通过使用 Python 脚本来完成的,该脚本能够监测文件夹中的变更。将图像添加到每个指定的文件夹后,会将图像自动上传到 IBM Maximo Visual Inspection 服务并进行相应的标记。这极大地简化了训练过程,因为您不必使用 UI 来上传和标记每张图像。这使您不必依赖系统管理员,就能不断更新 IBM Maximo Visual Inspection 模型。

完成本 Code Pattern 后,您将能够:

  • 自动对图像进行分类,并将其上传到 IBM Maximo Visual Inspection
  • 在 IBM Maximo Visual Inspection 中自动进行模型训练

流程

流程

  1. 用户将各个图像复制到类别子文件夹。
  2. 该脚本对添加的图像进行计数,并确定图像计数是否超过阈值。
  3. 如果图像计数超过“上传”阈值,则脚本将执行 POST 请求并为每个类别上传图像。
  4. 如果图像计数超过“训练”阈值,则脚本将执行 POST 请求以开始训练模型。

操作说明

可在 README 文件中获取详细说明。这些步骤将展示如何:

  1. 克隆代码存储库。
  2. 创建图像文件夹和子文件夹。
  3. 填写配置文件。
  4. 启动并测试脚本。

结束语

此 Code Pattern 说明了如何通过使用 Python 脚本监测一组文件夹,从而自动执行重复性任务。此 Code Pattern 已纳入 IBM Maximo Visual Inspection 入门学习路径。要继续学习之路,可查看下一个 Pattern 在仪表板中加载 IBM Maximo Visual Inspection 推断结果

本文翻译自:Automate visual recognition model training(2020-06-16)