超強AI功能全解析
Table of Contents
- 導言
- 新功能介紹
- 安裝相依性
- 影像分類
- 4.1 安裝 Ultralytics Explorer
- 4.2 匯入 YOLO 模型
- 4.3 訓練模型
- 4.3.1 資料集下載
- 4.3.2 模型訓練
- 4.3.3 結果驗證
- Ultralytics Explorer API
- 5.1 資料篩選和搜尋
- 5.1.1 SQL 查詢
- 5.1.2 向量相似性搜尋
- 5.2 圖像搜尋
- 5.2.1 自然語言查詢
- 5.2.2 嵌入式資料表
- 導向邊界框模型
- 6.1 車輛資料集下載
- 6.2 模型訓練與評估
- 6.2.1 載入預訓練模型
- 6.2.2 調整 YOLO 模型
- 6.2.3 模型評估與結果
- 總結
新功能介紹
在這段影片中,我們將討論Ultralytics引入的三項新功能:增強影像分類、Ultralytics Explorer API和YOLO v8.1導向邊界框模型。Augmented AI提供了這篇教程,讓我們來看看如何安裝相依性、增強影像分類、Ultralytics Explorer以及導向邊界框API。
安裝相依性
首先,我們需要安裝所需的相依性。這包括Roboflow Ultralytics、Ultralytics Explorer和PyArrow Ultralytics。安裝完成後,我們將從Ultralytics引入YOLO,並使用預先訓練的權重進行影像分類。
影像分類
我們將使用Roboflow的資料集來訓練模型,具體來說是香蕉成熟度分類的資料集。我們會調整預訓練模型,使用訓練集進行幾個epoch,然後在驗證集上驗證模型效果。
Ultralytics Explorer API
這部分介紹了Ultralytics Explorer API的功能,包括資料篩選、相似性搜尋和圖像搜尋等功能。我們可以使用SQL查詢、自然語言查詢以及嵌入式資料表來查詢和呈現資料。
導向邊界框模型
最後,我們將討論導向邊界框模型的訓練和評估。我們將使用Roboflow提供的車輛資料集來訓練模型,並根據驗證集的結果來調整模型參數。最終,我們可以評估模型的表現並生成相應的度量指標和圖表。
總結
這篇教程為您介紹了如何使用Ultralytics的新功能進行影像分類和資料查詢。如果您對此有任何疑問,請在影片評論區與我們聯繫。感謝您觀看本教程!