Das Toolset "Bilddaten-KI" enthält Werkzeuge, die Deep-Learning-Algorithmen zur Objekterkennung und Pixelklassifizierung auf Bilddaten anwenden.
Das Training von Deep-Learning-Modellen war bislang ein komplexer Prozess, der spezielles Wissen über verschiedene Modellarchitekturtypen und die Optimierung ihrer Parameter (sogenannter Hyperparameter) erforderte, um die besten Ergebnisse zu erzielen. Dabei handelt es sich um einen iterativen Prozess, mit dem das genaueste Modell und die geeigneten Hyperparameter anhand von mehreren Experimenten bestimmt werden müssen. Das Werkzeug Mit AutoDL trainieren automatisiert diesen Prozess, ohne dass Code geschrieben werden muss. Das Werkzeug bietet Einblicke in die Performance und die Hyperparameter der trainierten Modelle.
Werkzeuge im Toolset "Bilddaten-KI"
| Werkzeug | Beschreibung |
|---|---|
|
Führt ein oder mehrere vortrainierte Deep-Learning-Modelle für ein Eingabe-Raster aus, um Features zu extrahieren und die Nachbearbeitung der inferenzierten Ausgaben zu automatisieren. | |
Mit diesem Werkzeug wird ein Deep-Learning-Modell trainiert, indem Training-Pipelines erstellt und ein Großteil des Trainingsprozesses automatisiert wird. Dazu gehören Datenerweiterung, Modellauswahl, Hyperparameter-Optimierung und Batch-Größen-Deduktion. Die Ausgaben enthalten Performance-Kennwerte des besten Modells in den Trainingsdaten sowie das trainierte Deep-Learning-Modellpaket (.dlpk), das als Eingabe für das Werkzeug Features mit AI-Modellen extrahieren verwendet werden kann, um Vorhersagen für neue Bilddaten zu treffen. |