Trenowanie modeli rozpoznawania obrazów

Dla kogo

Firmy, które chcą rozpoznawać na zdjęciach to, czego nie rozpoznają gotowe narzędzia.

Co rozwiązuje

Gotowe narzędzia nie rozpoznają tego, co ważne w konkretnych danych.

Nasza rola

Przygotowanie danych, trening i ocena modeli oraz ich eksport

Co powstało

• Przygotowanie i sprawdzanie danych treningowych
• Trening i ocena modeli
• Rejestr eksperymentów
• Eksport modeli na serwer i telefon

Technologie

Python, PyTorch, ONNX

Kiedy to ma sens

Gotowe narzędzia radzą sobie z popularnymi zadaniami, ale nie zawsze z danymi jednej firmy. Wtedy można wytrenować własny model. Może się on nauczyć rozpoznawać różne rzeczy, np. osoby na obrazie z kamery, wady produktów albo rodzaje dokumentów.

Jak pracujemy

• Dane. Zbiór powstaje za każdym razem z tych samych źródeł, więc wynik można powtórzyć.
• Trening. Zaczynamy od popularnej architektury sieci. Dane rozszerzamy o przekształcenia obrazów.
• Ocena. Wyniki, progi i przebieg eksperymentów trafiają do rejestru. Dzięki temu modele można porównać.
• Eksport. Gotowy model to paczka z metrykami, progami i sumami kontrolnymi, w ONNX na serwer albo w LiteRT na telefon.