Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Cómo funciona el algoritmo de detección de objetos - TensorFlow
El algoritmo de detección de objetos - TensorFlow toma una imagen como entrada y predice los cuadros delimitadores y las etiquetas de los objetos. Hay varias redes de aprendizaje profundo, como MobileNet, ResNet, Inception y EfficientNet, que son muy precisas para la detección de objetos. También hay redes de aprendizaje profundo que se entrenan con conjuntos de datos de imágenes de gran tamaño, como Common Objects in Context (COCO), que tiene 328 000 imágenes. Tras entrenar una red con datos de COCO, puede ajustarla en un conjunto de datos, con el objetivo principal de llevar a cabo tareas de detección de objetos más específicas. El algoritmo de detección de objetos - TensorFlow en Amazon SageMaker AI es compatible con el aprendizaje por transferencia en muchos modelos previamente entrenados disponibles en TensorFlow Model Garden.
En función del número de etiquetas de clase en los datos de entrenamiento, se asocia una capa de detección de objetos al modelo prentrenado de TensorFlow que usted elija. Luego, puede ajustar toda la red (lo que incluye el modelo prentrenado) o solo la capa de clasificación superior en los nuevos datos de entrenamiento. Con este método de aprendizaje por transferencia, es posible llevar a cabo el entrenamiento con conjuntos de datos más pequeños.
