此解決方案可應用在工廠瑕疵檢測、醫療影像分析、生物影像分析、工安影像分析、口罩影像分析等。
[操作步驟及說明]
1_annotation_pascal_voc_xml.ipynb
開啟標記軟體。準備 png 或 jpg 影像進行標記，影像建議長寬比例一樣。
2_delete_log.ipynb
刪除 log 資料夾，此資料夾是置放訓練過程中給 tensorboard 讀取的紀錄。
3_prepare_train_txt.ipynb
準備訓練影像清單。
- image_path = "data/train/images" : 訓練影像路徑。
- txt = "data/train.txt" : 輸出的訓練影像清單。
4_prepare_val_txt.ipynb
準備驗證影像清單。
- image_path = "data/val/images" : 驗證影像路徑。
- txt = "data/val.txt" : 輸出的驗證影像清單。
5_train.ipynb
開始訓練模型前，請設定類別數量與類別名稱。
將類別名稱設定到 data/labels.txt，第一個類別名稱請固定 __background__，第二個開始是自己樣本的類別名稱 。
類別名稱需與標註時所用的類別名稱一模一樣。
在 data/vgg_ssd512.yaml 裡面設定 NUM_CLASSES，其餘訓練相關參數也在此設定。
執行此 ipynb 訓練模型。
6_kill_tensorboard.ipynb
釋放非本次訓練的 tensorboard。
7_tensorboard.ipynb
開啟 tensorboard，顯示訓練過程中 loss 曲線等相關資訊。
8_inference.ipynb
推論單張影像。
--image_path "data/val/images/inclusion-2.jpg" : 推論的影像。
--ckpt model/model_007000.pth : 推論的模型。
--score_threshold 0.3 : 推論的閾值。
--debugImage 1 : 顯示推論結果影像開關。
9_inference_folder.ipynb
推論資料夾內的影像。
--images_dir data/val/images/ : 推論的資料夾。
--ckpt model/model_007000.pth : 推論的模型。
--score_threshold 0.3 : 推論的閾值。
--debugImage 1 : 顯示推論結果影像開關。
10_inference_api.ipynb
11_inference_api_browser.ipynb
推論的 API，運行 10_inference_api.ipynb 開啟 server，載入 model/model_007000.pth，接著運行 11_inference_api_browser.ipynb，跳出瀏覽器，可以選擇圖片進行推論。
這個 SDK 內建於 AppForAI 人工智慧開發工具。
單獨購買價格：5,000元，永久授權，單一 SDK 授權，單機授權，一次下載，無更新服務，一年電子郵件範例諮詢服務。如果是軟體客製化問題，請購買我們的客製化顧問服務點數。