开言

       一直在百度AI社区活跃着，从AI学习、知识交流到项目应用，非常感谢这样的平台能让生活、学习带来新的事物。2020年不易，在较长的春节假期，不光好好的补充睡眠，也参加了BAIDU AI的学习会，在学习的过程中碰撞出了在实际工作的痛点，所以思考之后做了一些尝试。

应用需求说明

       每个工厂都会有进厂检验，进货检验又会分外观检验和性能检验，很多企业在性能检验上上了很多辅助检测工作，而外观检验方面却很少有企业花精力来研究、投入。我尝试通过EeasyDL的图像识别来增加检验员的效率和判断正确性。

EasyDL图像

介绍：

目前EasyDL图像共支持训练3种不同应用场景的模型：

1、图像分类
识别一张图中是否是某类物体/状态/场景。可以识别图片中主体单一的场景

2、、物体检测
在一张图包含多个物体的情况下，定制识别出每个物体的位置、数量、名称。可以识别图片中有多个主体的场景

3、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

可视化操作
无需机器学习专业知识，模型创建-数据上传-模型训练-模型发布全流程可视化便捷操作，最快15分钟即可获得一个高精度模型

操作步骤：
Step 1 创建模型

确定模型名称，记录希望模型实现的功能

Step 2 上传并标注数据

分类功能的模型：只需按分类（如合格图片vs不合格图片）上传图片即可

检测功能的模型：上传数据后，需要在数据中标注出需要检测的具体目标

分割功能的模型：上传数据后，需要在数据中标注出需要识别物体的轮廓

Step 3 训练模型并校验效果

选择部署方式与算法，用上传的数据一键训练模型

模型训练完成后，可在线校验模型效果

Step 4 发布模型

根据训练时选择的部署方式，将模型以云端API、设备端SDK等多种方式发布使用

设计分类

首先想好分类如何设计，每个分类为你希望识别出的一种结果，如要识别水果，则可以以“apple”、“pear”等分别作为一个分类；如果是审核的场景判断合规性，可以以“qualified”、“unqualified”设计为两类，或者“qualified”、“unqualified1”、“unqualified2”、“unqualified3”……设计为多类。

注意：目前单个模型的分类上限为1000类

准备数据

基于设计好的分类准备图片：

每个分类需要准备20张以上
如果想要较好的效果，建议每个分类准备不少于100张图片
如果不同分类的图片具有相似性，需要增加更多图片
一个模型的图片总量限制10万张
图片格式要求：

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

2、图片长宽比在3:1以内，其中最长边小于4096px，最短边大于30px

图片内容要求：

1、训练图片和实际场景要识别的图片拍摄环境一致，举例：如果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

2、每个分类的图片需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

如果训练图片场景无法全部覆盖实际场景要识别的图片：1）如果要识别的主体在图片中占比较大，模型本身的泛化能力可以保证模型的效果不受很大影响；2）如果识别的主体在图片中占比较小，且实际环境很复杂无法覆盖全部的场景，建议用物体检测的模型来解决问题（物体检测可以支持将要识别的主体从训练图片中框出的方式来标注，所以能适应更泛化的场景和环境）

导入未标注数据

在线标注
上传未标注数据后，即可进入「标注数据集」页面进行在线标注。标注的方式非常简单，只需在右侧标签栏新建并选定标签即可

标签名支持中英文数字中下划线，不超过256字符

创建模型

填写模型名称、联系方式、功能描述等信息，即可创建模型。

数据提交后，可以在导航中找到【训练模型】，按以下步骤操作，启动模型训练：

发布模型

EasyDL：https://ai.baidu.com/easydl/