使用 Watson Machine Learning 创建实时的对象检测应用

摘要

不管您是统计马路上的汽车数量，还是计算自然灾害中被困屋顶的人员数据，对象检测用例随处可见。预训练的对象检测模型往往并不符合您的需求，因此您需要创建自己的定制模型。如何利用机器学习训练自己的定制模型，避免耗费大量的计算能力和时间？答案就是 Watson Machine Learning。如何在一个移动设备上利用定制训练的模型实时检测对象，并且完全确保用户隐私性？答案就是 Apple 的 Core ML。

描述

在本 Code Pattern 中，您将构建 iOS 应用，该应用程序允许您利用自己定制训练的模型来检测对象。您将创建 IBM Cloud Object Storage 实例来存储带标签的数据，然后在数据就绪之后，您将学习如何启动 Watson Machine Learning 实例，在顶级 GPU 上训练自己的定制模型。在完成模型训练之后，您可以简单地将 Core ML 模型接入到 iOS 应用程序中。

学完本 Code Pattern 后，您应该掌握如何：

• 标出可用于对象检测的数据
• 使用 Watson Machine Learning，利用定制数据训练模型
• 利用 Core ML 检测对象

流程

1. 将训练数据上传到 IBM Cloud Object Storage。
2. Watson Machine Learning 从 IBM Cloud Object Storage 提取训练数据，并使用 TensorFlow 训练模型。经过训练的模型将重新保存到 IBM Cloud Object Storage 中。
3. 经过训练的模型作为 Core ML 模型添加到 iOS 应用中。
4. 用户与可实时监测对象的应用进行互动。

操作说明

要开始构建应用，您可以遵照后续研讨会中的步骤。

• 训练对象检测模型

本文翻译自：Create a real-time object detection app using Watson Machine Learning（2019-4-9）