检测到您已登录华为云国际站账号,为了您更好的体验,建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
取值为最后识别结果。 例如: “字段类型名称”:“城市” “字段属性”:“自定义字典” “取值范围”:“Shenzhen”、“Beijing”、“Xi'an” 在识别“字段类型”为“城市”的文字时,从“Shenzhen”、“Beijing”、“Xi'an”中找出与待识别文字最相似的取值,作为识别结果。
删除应用 如果已创建的模板应用不再使用,您可以删除模板释放资源。 操作步骤 登录“ModelArts Pro>文字识别套件”控制台。 默认进入“应用开发>工作台”页面。 在“我的应用”页签下,选择应用并单击“操作”列的“查看”。 进入“应用资产”页面。 图1 进入应用资产 在“模
删除应用 如果已创建的模板应用不再使用,您可以删除模板释放资源。 操作步骤 登录“ModelArts Pro>文字识别套件”控制台。 默认进入“应用开发>工作台”页面。 在“我的应用”页签下,选择应用并单击“操作”列的“查看”。 进入“应用资产”页面。 图1 进入应用资产 在“模
Pro提供热轧钢板表面缺陷检测工作流,提供高精度钢板表面缺陷识别算法,提高钢板表面缺陷检测场景上线效率。 功能介绍 支持自主上传热轧钢板表面图片数据,构建热轧钢板表面缺陷类型的检测模型,用于识别热轧钢板表面图片中的缺陷类型。 适用场景 钢铁制造。 优势 模型精度高,识别速度快;更新模型简便。 工作流流程 在“ModelArts
调用文字识别套件API,报错ModelArts.4204服务未开通怎么办? 问题现象 子账号在使用自定义OCR(ModelArts Pro文字识别套件)生成的api时,出现如下报错。表示用户,没有OCR权限或没有开通ModelArts Pro服务。 "ModelArts.4204"、"Request
刹车盘识别工作流 工作流介绍 准备数据 选择数据 训练模型 评估模型 部署服务 父主题: 视觉套件
部署服务 评估模型后,就可以部署服务,开发识别云状类型的专属应用,此应用用于识别云状的类型,进而用于气象预测工作,也可以直接调用对应的API和SDK识别。 前提条件 已在视觉套件控制台选择“云状识别工作流”新建应用,并评估模型,详情请见评估模型。 由于部署服务涉及ModelArts功能,需消耗资源,要确保账户未欠费。
模型精度高,识别速度快,更新模型简便。 工作流流程 在“ModelArts Pro>视觉套件”控制台选择“我的工作流>云状识别工作流”新建应用,详细操作请见新建应用。您可以开发云状识别模型,自主上传数据训练模型,实现云状类别识别功能。 图1 云状识别工作流流程 表1 云状识别工作流说明
评估模型后,就可以部署服务,开发识别刹车盘类型的专属应用,此应用用于识别刹车盘的类型,也可以直接调用对应的API和SDK识别。 前提条件 已在视觉套件控制台选择“刹车盘工作流”新建应用,并评估模型,详情请见评估模型。 由于部署服务涉及ModelArts功能,需消耗资源,要确保账户未欠费。 刹车盘识别工作流
零售商品识别工作流 工作流介绍 准备数据 选择数据 创建SKU 自动标注数据 训练模型 评估模型 部署服务 父主题: 视觉套件
政务场景 零售场景 构建商品视觉自动识别的模型,可用于无人超市、蛋糕生鲜识别等场景。随着商品种类的更新,收银员即可迭代更新模型。 特点:构建商品视觉自动识别的模型,可用于无人超市等场景。 优势:用户自定义模型可以实现99.5%的识别准确率,可以实现秒级识别整盘商品,从而提升结算效率。模
odelArts Pro会自动标注数据,自动标注完成后,可对每个数据的标注结果进行核对和确认。 前提条件 已在视觉套件控制台选择“零售商品识别工作流”新建应用,并已执行到“SKU创建”步骤,详情请见创建SKU。 自动标注数据 在“数据标注”页面,会显示自动标注的进度,如果自动标注完成,标注进度为100%。
更加高效。使用专属资源池需要在ModelArts创建专属资源池。 SKU 标准化产品单元,即商品各类单品的图片。 在ModelArts Pro服务中使用视觉套件的零售商品识别工作流时,如果上传的数据含有未标注数据,就需要创建SKU,方便后续对数据进行自动标注。
已发布北京四区域 文字识别套件 OBS 2.0支持通用单模板工作流 文字识别套件提供单模板开发的工作流,通过工作流指引构建文字识别模板,识别单个板式图片中的文字,实现自定义结构化信息识别。 已发布北京四区域 通用单模板工作流 OBS 2.0支持多模板分类工作流 文字识别套件提供多模板分
在钢铁或其下游企业,常需要对钢铁显微成像的金相图片第二相面积含量进行测定。ModelArts Pro提供第二相面积含量测定工作流,能快速准确的返回第二相面积含量测定结果。 功能介绍 支持自主上传显微成像的,且包含基础相和第二相的图片数据,构建第二相面积含量测定模型,能快速准确反馈测定结果。
检查是否存在训练数据过少的情况,建议每个类别的图片量不少于100个,如果低于这个量级建议扩充。 检查不同标签的样本数是否均衡,建议不同标签的样本数量级相同,并尽量接近,如果有的类别数据量很高,有的类别数据量较低,会影响模型整体的识别效果。 选择适当的学习率和训练轮次。 通过详细评估中的错误识别示例,有针对性地扩充训练数据。
检查是否存在训练数据过少的情况,建议每个类别的图片量不少于100个,如果低于这个量级建议扩充。 检查不同标签的样本数是否均衡,建议不同标签的样本数量级相同,并尽量接近,如果有的类别数据量很高,有的类别数据量较低,会影响模型整体的识别效果。 选择适当的学习率和训练轮次。 通过详细评估中的错误识别示例,有针对性地扩充训练数据。
检查是否存在训练数据过少的情况,建议每个类别的图片量不少于100个,如果低于这个量级建议扩充。 检查不同标签的样本数是否均衡,建议不同标签的样本数量级相同,并尽量接近,如果有的类别数据量很高,有的类别数据量较低,会影响模型整体的识别效果。 选择适当的学习率和训练轮次。 通过详细评估中的错误识别示例,有针对性地扩充训练数据。
检查是否存在训练数据过少的情况,建议每个类别的图片量不少于100个,如果低于这个量级建议扩充。 检查不同标签的样本数是否均衡,建议不同标签的样本数量级相同,并尽量接近,如果有的类别数据量很高,有的类别数据量较低,会影响模型整体的识别效果。 如果分割效果不好,建议检测图片标注,标注质量的好坏直接影响模型训练图像分割效果的好坏。
变化情况”和“损失变化”。 图1 模型训练 模型如何提升效果 检查图片标注是否准确,第二相区域标注工作量较大,建议基于自动标注的结果进一步优化标注精度。 可根据损失函数选择适当的训练轮次。 通过详细评估中的错误识别示例,有针对性地扩充训练数据。 后续操作 模型训练完成后,单击“下