零代碼開發地標識別（基于中國農業大學地標）
本案例將詳細介紹怎樣用自動學習方法基于CAU地標數據集快速構建地標識別應用。將介紹如何訂閱和標注CAU地標數據、并進行模型訓練和部署。
ModelArts是一站式的AI開發平臺。ModelArts自動學習具有零代碼、零AI背景、泛化能力強的特點，用戶無需編碼，無需AI背景，就可以使用自動學習快速構建自己的AI應用。
準備工作
參考此文檔，完成ModelArts準備工作。
準備數據
下載訓練數據集
華為云AI市場中有開發者分享了豐富的數據集，大家可以前往訂閱使用。本案例采用CAU地標數據集，數據集中有6個標志性地標（東校區主樓、西校區主樓、老校門、新圖書館、奧運摔跤館和水塔）共49張圖片。我們從華為云AI市場訂閱數據集至ModelArts，然后就可以在ModelArts中使用了。
該數據集包含的地標及其類別如下圖所示：
請點擊此處，進入該數據集主頁，點擊【下載】，進入下載詳情，按照如下提示填寫下載詳情:
下載方式：對象存儲服務（OBS）
目標區域：華北-北京四
目標位置：選擇一個OBS路徑，作為數據集的存儲位置。(具體創建桶過程可參考后面過程的步驟1)
等待數據集狀態變為下載成功，即可在ModelArts數據集列表中開始創建數據集。
點擊創建數據集
創建圖像分類項目
步驟 1 點擊此鏈接 ，創建一個OBS桶（區域選北京四，桶名稱自定義，其他使用默認參數），然后在創建的OBS桶下創建一個文件夾/data-cau-landmark/data（點擊桶名稱->對象->新建文件夾）。創建OBS桶和文件夾參考文檔：https://support.huaweicloud.com/qs-obs/obs_qs_0001.html 。
步驟 2 進入ModelArts自動學習界面。
步驟 3 點擊“圖像分類”創建項目按鈕，創建自動學習>圖像分類項目，填寫相應參數，點擊“創建項目”完成圖像分類項目創建。
項目名稱：自定義
數據集來源：已有數據集
數據集名稱：‘創建的數據集名稱’
圖片標注
創建完項目 頁面會自動跳轉到數據標注界面。點擊“同步數據源”按鈕，等待右上角出現“數據同步完成”提示信息，可以看到界面顯示的圖像。共有49張未標注的圖片和0張已經標注的圖片。我們也可以將自己拍攝的圖片上傳到obs桶文件夾中進行同步來增大訓練樣本。
進入“未標注”頁面。批量選中相同類別的圖片，然后選擇標簽（如果標簽不存在，需要手動輸入），最后點擊“確定”按鈕。如下圖所示（如果對操作流程不熟悉，可以查看右上角的“使用指南”）：
“全部標簽”中列舉了所有的標簽，以及每個標簽下的圖片數量。
校驗圖片標簽。完成所有圖片標注后，進入“已標注”頁面。可以在“已標注”頁面修改標簽。如果標注正確，可以跳過此步驟。
點擊打開圖片，可以查看圖片的標簽，如下圖所示：
如果發現標簽不正確，可以選中圖片，重新選擇標簽。
4. 模型訓練
在“數據標注”界面中，首先把數據集按照訓練集/驗證集=0.8/0.2的比例分開，設置訓練時長為10（減小訓練時長的同時，可能會降低模型精度），然后點擊“開始訓練”按鈕，選擇好訓練參數，即可開始訓練。參數設置如下圖所示：
5. 模型部署
在“模型訓練”頁面等待訓練完成（不超過10分鐘），訓練完成后，可以查看模型的精度：
點擊“部署”按鈕，將模型部署為一個在線服務：
6. 服務測試
在“部署上線”頁面，等待服務部署成功。部署成功后，點擊“上傳本地圖片”按鈕，上傳一張本地的測試圖片（從測試集test目錄中挑選）。如下圖所示：
點擊“預測”按鈕進行預測：
可以看到預測結果。若出現識別不準確可加大訓練樣本。
7. 關閉服務
在“部署上線”頁面，點擊“停止”按鈕，停止在線服務，然后刪除。
至此，CAU地標識別應用實驗完成。恭喜各位開始在AI道路上邁出了一小步。歡迎各位把實戰結果跟帖回復。
AI開發平臺ModelArts 機器學習
版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。
版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。
相關文章