开放能力
开发平台
行业应用
生态合作
开发与教学
资讯 社区 控制台
技术能力
语音技术
图像技术
文字识别
人脸与人体识别
视频技术
AR与VR
自然语言处理
知识图谱
数据智能
场景方案
部署方案
行业应用
智能教育
智能医疗
智能零售
智能工业
企业服务
智能政务
智能农业
信息服务
智能园区
智能硬件
BML 全功能AI开发平台

    用BML实现实例分割

    目录

    1.实例分割简介
    2.平台入口
    3.准备数据
    3.1 自动驾驶道路实例分割数据介绍
    3.2 创建及导入数据集
    4.训练模型
    5.模型分析和调优
    6.部署模型

    用BML实现实例分割:以自动驾驶道路实例分割为例

    实例分割简介

    亲爱的开发者您好,欢迎使用百度BML全功能AI开发平台开启您的AI开发之旅!

    实例分割是主流的计算机视觉任务,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。其主要应用场景有:

    • 专业检测:应用于专业场景的图像分析,比如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。
    • 智能交通:识别道路信息,包括车道标记、交通标志等。

    下文中将以自动驾驶道路实例分割任务为例,分步骤向您详细介绍如何使用百度BML全功能AI开发平台开发您自己的实例分割模型。

    自动驾驶道路实例分割任务简介:
    道路场景分割在自动驾驶领域至关重要,主要应用在自动驾驶中的可行驶区域划分、自动驾驶路径规划、高精地图构建以及辅助驾驶的AR导航。

    平台入口

    BML全功能AI开发平台为企业及个人开发者提供机器学习和深度学习一站式AI开发服务,并提供高性价比的算力资源,助力企业快速构建高精度AI应用,进入官方网站点击【立即使用】。

    1、平台入口.png

    准备数据

    准备数据是AI模型开发的关键一环,训练数据的质量决定了训练所得模型效果可达到的上限,下面来介绍数据规范与相关操作步骤。

    自动驾驶道路实例分割数据介绍

    本文采用来自apollo道路实例分割数据集作为示例,总共268张图片,分为rider、bicycle、motorbicycle、truck、person、bicycle_group、bus、car、motorbicycle_group、tricycle十个类别。

    导入平台即可使用,数据下载链接:Apollo道路实例分割数据集-json格式

    创建及导入数据集

    1、在官网界面点击【数据总览】,进入数据集操作界面,点击【创建数据集】。

    3.1数据.png

    2、进入创建数据集界面,填写相关信息,选择数据和标注类型(注意训练集、验证集、测试集需要分开创建)。

    3.1实例分割1.png

    3、数据集创建完成后,可以在数据总览界面看到刚才创建好的数据集ID,点击【导入】,将自己要训练的数据集导入。

    3.1数据2.png

    以本地导入-上传压缩包为例:导入方式选择【本地导入】,选择标注格式,点击【上传压缩包】。

    3.1数据3.png

    仔细阅读上传压缩包格式要求,可点击【下载示例压缩包】确认格式:

    3.1数据4.png

    确认格式无误后,点击【已阅读并上传】, 注意上传时不要关闭网页:

    3.1数据5.png

    点击【确认并返回】后自动开始导入:

    3.1数据6.png

    可看到【标注状态】为100%,如果数据集没有全部标注,可使用平台【智能标注】功能。

    训练模型

    BML上提供了预置模型调参、NoteBook建模、自定义作业三种开发模式,开发难度和开发的灵活性程度不一,分别满足不同水平和需求的开发者。

    本文以使用者最多的预置模型调参开发模式为例,示意训练模型的基本步骤。

    1、进入bml官方平台点击【预置模型调参】-【计算机视觉模型】,点击【创建】。

    4.1训练模型.png

    2、填写项目信息并点击【新建】。

    4.1训练模型1.png

    3、点击【新建任务】。

    4.1训练模型2.png

    4、点击【+请选择】,勾选刚刚上传数据集下的所有标签类,点击右下角【确定】。

    4.1训练模型2.png

    5、可以选择上传验证集和测试集。验证集用来确定模型训练过程中超参数的调整。测试集用来获得更客观的模型效果评估结果。如果选择不上传,系统也会自动从已上传的训练集中分割出验证和测试集。

    4.1训练模型3.png

    6、配置网络,网络选型参考:网络选型介绍

    4.1训练模型4.png

    7、配置超参数。 如果选择脚本编辑为超参来源,可在脚本编辑部分代码框内自定义超参数。超参数配置参考:超参数选择

    4.1训练模型4.png

    8、可填写相关信息,并发布模型。也可以模型训练完成后再根据训练结果决定是否发布。

    4.1训练模型5.png

    9、根据自身的周期和经费安排,配置计算资源。

    4.1训练模型6.png

    10、最后点击【提交训练任务】,进入模型训练。

    4.1训练模型7.png

    模型分析和调优

    1、获取评估报告:点击【模型仓库】-【模型管理】,点击对应任务的【版本列表】查看训练好的模型,点击【评估报告】,评估报告如下图所示。

    5.1模型评估.png

    2、点击【校验模型】。

    5.1模型评估2.png

    部署模型

    1、在模型管理中,可选择公有云部署,端云协同服务,和批量预测三种方式发布模型。具体参考:如何选择部署方式

    6.1部署.png

    2、在模型部署中,用户按照自己情况填写信息完成模型部署。下图以公有云部署为例。

    6.1部署1.png

    上一篇
    用BML实现物体检测
    下一篇
    用BML实现文本分类