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
EasyDL零门槛AI开发平台

    图像分割模型如何提升效果

    一个模型很难一次性就训练到最佳的效果,可能需要结合模型评估报告和校验结果不断扩充数据和调优。

    为此我们设计了模型迭代功能,即当模型训练完毕后,会生成一个最新的版本号,首次V1、之后V2……以此类推。可以通过调整训练数据和算法,多次训练,获得更好的模型效果。

    注意:如果模型已经是上线状态,依然支持模型迭代。只需要在训练完毕后发布新的版本,就可以替换原接口地址背后的模型。

    想要提升模型效果,可以尝试以下两种方法:

    检查并优化训练数据

    1. 检查是否存在训练数据过少的情况,建议每个标签标注50个目标以上,如果低于这个量级建议扩充。
    2. 检查不同标签的标注目标数是否均衡,建议不同标签的标注目标数数据量级相同,并尽量接近,如果有的标签标注的很多,有的标签标注的很少,会影响模型整体的识别效果。
    3. 通过模型效果评估报告中的错误识别示例,有针对性地扩充训练数据。
    4. 检查测试模型的数据与训练数据的采集来源是否一致,如果设备不一致、或者采集的环境不一致,那么很可能会存在模型效果不错但实际测试效果较差的情况。针对这种情况建议重新调整训练集,将训练数据与实际业务场景数据尽可能一致

    云服务调用数据管理

    开通云服务调用数据管理功能后,可查找云服务模型识别错误的数据,纠正结果并将其加入模型迭代的训练集,实现训练数据的持续丰富和模型效果的持续优化

    具体使用流程如下:

    1. 为已上线接口开通云服务调用数据服务

    1. 通过选择调用时间、标签,并设置筛选条件,查看疑似错误识别的图片

    注意:数据将从开通功能后开始存储,最多存储30天的数据。当天调用的数据暂不支持即时查看,可在第二天查看

    1. 将接口识别错误的图片添加到指定数据集(建议新建数据集)并纠正结果。后续训练模型时,只需增加包含接口数据的数据集,即可提升模型效果
    上一篇
    图像分割模型效果评估
    下一篇
    肺炎CT影像专用算法