百度AI攻略：EasyDL实现邮车查找

一、功能介绍：

EasyDL平台支持定制图像分类、物体检测、图像分割三类模型。三类模型的功能区别以下：

图像分类：识别一张图中是不是某类物体/状态/场景，适用于图片内容单1、须要给整张图片分类的场景

物体检测：检测图中每一个物体的位置、名称。适合图中有多个主体要识别、或要识别主体位置及数量的场景

图像分割：对比物体检测，支持用多边形标注训练数据，模型可像素级识别目标。适合图中有多个主体、需识别其位置或轮廓的场景

二、训练及目标检测：

目标

本案例中使用EasyDL物体检测智能标注邮车。

2.1 上传并标注数据

首先须要创建邮车数据集，步骤以下

① 设计标签

在上传以前肯定想要识别哪几种物体，并上传含有这些物体的图片。每一个标签对应想要在图片中识别出的一种物体。在本例中只有一个标签，就是邮车。

② 准备图片

基于设计好的标签准备图片：

每种要识别的物体在全部图片中出现的数量最好大于50

若是某些标签的图片具备类似性，须要增长更多图片

一个模型的图片总量限制4张~10万张

图片格式要求：

一、目前支持图片类型为png、jpg、bmp、jpeg，图片大小限制在4M之内

二、图片长宽比在3:1之内，其中最长边小于4096px，最短边大于30px

图片内容要求：

一、训练图片和实际场景要识别的图片拍摄环境一致，举例：若是实际要识别的图片是摄像头俯拍的，那训练图片就不能用网上下载的目标正面图片

二、每一个标签的图片须要覆盖实际场景里面的可能性，如拍照角度、光线明暗的变化，训练集覆盖的场景越多，模型的泛化能力越强

本例中从网上找了20多张不一样角度的邮车图片。

③上传和标注图片

先在【建立数据集】页面建立数据集：

若是训练数据须要多人分工标注，能够建立多个数据集。将训练数据分批上传到这些数据集后，再将数据集"共享"给本身的小伙伴，同步进行标注。

再进入【数据标注/上传】：

一、选择数据集

二、上传已准备好的图片

三、在标注区域内进行标注

首先在标注框上方找到工具栏，点击标注按钮在图片中拖动画框，圈出要识别的目标

而后在右侧的标签栏中，增长新标签，或选择已有标签

2.二、建立模型

在导航【建立模型】中，填写模型名称、联系方式、功能描述等信息，便可建立模型。

模型建立成功后，能够在【个人模型】中看到刚刚建立的模型。

目前单个用户在每种类型的模型下最多可建立10个模型，每一个模型均支持屡次训练。

2.3 训练模型

数据提交后，能够在导航中找到【训练模型】，启动模型训练：

① 选择模型

选择这次训练的模型

② 添加训练数据

先选择数据集，再按标签选择数据集里的图片。可从多个数据集选择图片（相同标签的训练图片会被合并）

训练时间与数据量大小有关，1000张图片可能须要几个小时训练，请耐心等待

 

2.4 校验模型效果

可经过模型评估报告或模型校验了解模型效果：

模型评估报告：训练完成后，能够在【个人模型】列表中看到模型效果，以及详细的模型评估报告。若是单个标签的图片量在100张之内，这个数据基本参考意义不大

模型在线校验：实际效果能够在左侧导航中找到【校验模型】功能校验，或者发布为接口后测试。

若是对模型效果不满意，能够经过扩充数据、调整标注等方法进行模型迭代

 

2.5 发布模型—在线API

发布模型生成在线API

训练完毕后就能够在左侧导航栏中找到【发布模型】，发布模型表单页面须要自定义接口地址后缀、服务名称，便可申请发布

申请发布后，一般的审核周期为T+1，即当天申请次日能够审核完成。

2.6 接口赋权

在正式使用以前，还须要作的一项工做为接口赋权，须要登陆EasyDL控制台中建立一个应用，得到由一串数字组成的appid，而后就能够参考接口文档正式使用了

同时支持在EasyDL控制台-云服务权限管理中为第三方用户配置权限

调用代码以下：

def youche(filename):

    request_url = "https://aip.baidubce.com/rpc/2.0/ai_custom/v1/detection/youche"

 

    # 二进制方式打开图片文件

    f = open(filename, 'rb')

    img = base64.b64encode(f.read())

 

    params = dict()

    params['image'] = img

    params = urllib.parse.urlencode(params).encode("utf-8")

 

    access_token = get_token()

 

    begin = time.perf_counter()

    request_url = request_url + "?access_token=" + access_token

    request = urllib.request.Request(url=request_url, data=params)

    request.add_header('Content-Type', 'application/x-www-form-urlencoded')

    response = urllib.request.urlopen(request)

    content = response.read()

    end = time.perf_counter()

    print('处理时长:'+'%.2f'%(end-begin)+'秒')

 

    if content:

        #print(content)

        content=content.decode('utf-8')

        #print(content)

        data = json.loads(content)

        print(data)

 

三、测试及结论：

经过测试发现总体识别效率很快，准确性也很好。

EasyDL对比传统的图像语义分割方式具备以下一些优点：

训练模型：无需机器学习专业知识，只需提供含目标物体的图片并用多边形标注物体便可训练模型，自动识别图中全部目标物体的名称、位置及轮廓

校验模型：支持上传图片校验模型效果、查看详细的效果评估报告，进而分析模型分割有误的图片并有针对性地补充训练数据

发布模型：可将模型以云端API发布后集成使用，具备完善的鉴权、流控等安全机制，GPU集群稳定承载高并发请求

能够应用于专业场景的图像分析，好比在卫星图像中识别建筑、道路、森林，或在医学图像中定位病灶、测量面积等。