As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Como funciona a detecção de objetos - TensorFlow
O algoritmo detecção de objetos - TensorFlow usa uma imagem como entrada e prevê caixas delimitadoras e rótulos de objetos. Várias redes de aprendizado profundo, como MobileNet, ResNet, Inception e EfficientNet, são altamente precisas para detecção de objetos. Também existem redes de aprendizado profundo que são treinadas em grandes conjuntos de dados de imagens, como Common Objects in Context (COCO), que tem 328.000 imagens. Depois que uma rede é treinada com dados do COCO, você pode então ajustar a rede em um conjunto de dados com um foco específico para realizar tarefas de detecção de objetos mais específicas. O algoritmo de detecção de objetos TensorFlow do Amazon SageMaker AI permite o uso do aprendizado por transferência em muitos modelos pré-treinados disponíveis no TensorFlow Model Garden.
De acordo com o número de rótulos de classe em seus dados de treinamento, uma camada de detecção de objetos é anexada ao modelo TensorFlow pré-treinado de sua escolha. Você pode, então, ajustar toda a rede (incluindo o modelo pré-treinado) ou somente a camada de classificação superior nos novos dados de treinamento. Com esse método de transferência de aprendizado, é possível treinar com conjuntos de dados menores.
