So funktioniert Objekterkennung – TensorFlow

Der Object Detection – TensorFlow-Algorithmus verwendet ein Bild als Eingabe und sagt Begrenzungsrahmen und Objektbeschriftungen voraus. Verschiedene Deep-Learning-Netzwerke wie MobileNet, ResNet, Inception und EfficientNet sind hochgenau für die Objekterkennung. Es gibt auch Deep-Learning-Netzwerke, die auf großen Bilddatensätzen trainiert werden, wie beispielsweise Common Objects in Context (COCO), das 328.000 Bilder enthält. Nachdem ein Netzwerk mit COCO-Daten trainiert wurde, können Sie das Netzwerk anhand eines Datensatzes mit einem bestimmten Fokus feinabstimmen, um spezifischere Aufgaben zur Objekterkennung auszuführen. Der Algorithmus Objekterkennung – TensorFlow von Amazon SageMaker AI unterstützt Transfer Learning auf vielen vortrainierten Modellen, die im TensorFlow Model Garden verfügbar sind.

Entsprechend der Anzahl der Klassenbezeichnungen in Ihren Trainingsdaten wird eine Objekterkennungsebene an das vortrainierte TensorFlow-Modell Ihrer Wahl angehängt. Anschließend können Sie entweder das gesamte Netzwerk (einschließlich des vortrainierten Modells) oder nur die oberste Klassifizierungsebene für neue Trainingsdaten feinabstimmen. Mit dieser Methode des Transfer Learning ist ein Training mit kleineren Datensätzen möglich.