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/train/images" : 驗證影像路徑。
• txt = "data/train.txt" : 輸出的驗證影像清單。

5_create_tfrecord.ipynb

先將類別名稱設定到 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。

接著，運行此 ipynb，將 data/train 與 data/val 裡面的資料轉換成 tensorflow 的 tfrecord 格式。

6_train.ipynb

訓練模型。

--num_epochs=100000 : 訓練期數。num_classes=3 : 設定類別數量。

7_kill_tensorboard.ipynb

釋放非本次訓練的 tensorboard。

8_tensorboard.ipynb

開啟 tensorboard，顯示訓練過程中 loss 曲線等相關資訊。

9_inference.ipynb

推論一張圖。

--ckpt_path=model/efficientdet-d0-pcb : 推論的模型。 

--input_image_size=512 : 影像尺寸。 

--input_image=data/test/images/capacitor1-4.png : 推論的影像。

--num_classes=3 : 模型的類別數量。

10_inference_folder.ipynb

推論資料夾內的影像。

--input_image=data/train/images/ : 推論的資料夾。

11_inference_folder1.ipynb

推論資料夾內的影像與計算正確率。

正確與否是以偵測出來的類別名與圖檔名作比對。

圖檔名格式為 : 類別名稱－xxx.png。

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。