此 Code Pattern 已纳入 IBM Maximo Visual Inspection 入门学习路径。
| 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
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
- 用户将各个图像复制到类别子文件夹。
- 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。
- 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。
- 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：
- 克隆代码存储库。
- 创建图像文件夹和子文件夹。
- 填写配置文件。
- 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）