Documentation
Pierwsze kroki
Główne działania

Główne działania

Ogólna koncepcja usługi ONESTEP AI opiera się na kilku działaniach:

Jeśli chcesz, aby nasza aplikacja wykonała któreś z powyższych działań, otrzymasz powiadomienie, że zadanie zostało dodane do kolejki i będzie oczekiwać, aż proces roboczy stanie się dostępny, aby je przetworzyć. Proces roboczy to maszyna, która wykonuje zadania w tle, podczas gdy aplikacja działa i obsługuje inne żądania.

Więcej informacji znajdziesz w sekcji Słownik.

Przygotowanie zbioru danych

Aby rozpocząć, prześlij obrazy, z których chcesz utworzyć zbiór danych. Możesz mieć wiele zbiorów danych. Można je swobodnie dodawać, usuwać i edytować. Możesz dodawać adnotacje do obiektów na obrazach w zestawach danych, przypisywać do nich kategorie i łączyć ze sobą kategorie z wielu zestawów danych. Możesz także rozszerzać dane w oparciu o wybrane operacje. Wszystkie posiadane zbiory danych są przechowywane na koncie użytkownika.

Więcej informacji znajdziesz w sekcji Zbiory danych.

Trenowanie modelu

Gdy zbiory danych są gotowe, następnym krokiem jest utworzenie i wytrenowanie modelu. ONESTEP AI oferuje modele klasyfikacji i detekcji z popularnych frameworków obecnie TensorFlow 2.5.1 Keras, PyTorch 1.8.1, Tensorflow 2.11 i Darknet. Jeśli nie masz pewności, jak skonfigurować parametry procesu treningowego, skorzystaj z naszego kreatora z zalecanymi ustawieniami w trybie podstawowym. Jeśli jednak chcesz mieć pełną kontrolę nad procesem, skorzystaj z trybu zaawansowanego.

Jeśli obawiasz się powtarzalności procesu parametryzacji treningu, skorzystaj z szablonów, które będziesz mógł/mogła wykorzystać w kolejnych sesjach treningowych (szczegóły znajdziesz w sekcji Szablony modeli).

Więcej informacji znajdziesz w sekcji Trenowanie modelu.

Testowanie modelu

Kolejnym krokiem w procesie jest przetestowanie modelu na urządzeniach brzegowych. Poniższy diagram pokazuje, w jaki sposób jesteśmy w stanie to zrobić.

Możesz wypożyczyć urządzenie z naszej chmury lub użyć własnego - zobacz artykuły Dodawanie własnego urządzenia do ONESTEP AI i Wypożyczanie urządzenia w chmurze.

Obsługujemy następujące typy urządzeń brzegowych:

Oprócz powyższych urządzeń oferujemy oprogramowanie Artificial Intelligence Device Web Service (AI’VIEWER) do testowania modeli utworzonych w usłudze OSAI.

Więcej informacji znajdziesz w sekcji Testowanie.

Predykcja

Ostatnim krokiem jest predykcja. Predyktor umożliwia dodanie adnotacji lub kategoryzowanie obrazów w zbiorze danych za pomocą wcześniej wytrenowanego modelu detekcji lub klasyfikacji. Wybierz minimalny poziom pewności, który określa minimalną precyzję wystarczającą do zaakceptowania danej predykcji i utworzenia na jej podstawie odpowiedniej kategorii klasyfikacji lub adnotacji dla obrazu, oraz tryb predyktora, który określa, które obrazy w zbiorze danych będą sprawdzane przez predyktor i czy stare adnotacje zostaną zastąpione, czy zachowane wraz z dodaniem nowych adnotacji.

Więcej informacji znajdziesz w sekcji Predyktor.

Pętla ciągłego doskonalenia

Każdy z powyższych kroków można powtórzyć, aby poprawić wyniki. Na przykład można dodać więcej obrazów do zbioru danych, utworzyć nowe adnotacje, stworzyć i wytrenować nowy i lepszy model, przetestować model na różnych urządzeniach brzegowych lub użyć predyktora na niedawno ulepszonym modelu. Pętla ciągłego doskonalenia jest kluczowym aspektem rozwoju sztucznej inteligencji. Odnosi się do procesu ciągłego udoskonalania i ulepszania modelu w celu zwiększenia jego dokładności, wydajności i skuteczności.