Udfordring: Objektdetektion med Brugerdefineret Model og YOLO
I denne opgave vil du dykke ned i objektdetektion ved hjælp af dyb læring. Først bygger du din egen objektdetektionsmodel fra bunden med Keras. Derefter indlæser du en fortrænet YOLOv8-model og anvender den på det samme datasæt.
Undervejs vil du:
- Træne en simpel Keras-baseret objektdetektor;
- Indlæse og køre forudsigelser med en YOLOv8-model trænet på de samme data;
- Evaluere dens ydeevne på rigtige valideringsbilleder;
- Sammenligne resultater og forstå forskellen mellem egne modeller og de mest avancerede modeller.
Midt i notebooken vil du reflektere over, hvorfor det kan være begrænsende at bygge detektionsmodeller fra bunden — og kort nævne vigtigheden af transfer learning for praktiske anvendelser.
Tak for dine kommentarer!
Spørg AI
Spørg AI
Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat
Awesome!
Completion rate improved to 3.45
Udfordring: Objektdetektion med Brugerdefineret Model og YOLO
Stryg for at vise menuen
I denne opgave vil du dykke ned i objektdetektion ved hjælp af dyb læring. Først bygger du din egen objektdetektionsmodel fra bunden med Keras. Derefter indlæser du en fortrænet YOLOv8-model og anvender den på det samme datasæt.
Undervejs vil du:
- Træne en simpel Keras-baseret objektdetektor;
- Indlæse og køre forudsigelser med en YOLOv8-model trænet på de samme data;
- Evaluere dens ydeevne på rigtige valideringsbilleder;
- Sammenligne resultater og forstå forskellen mellem egne modeller og de mest avancerede modeller.
Midt i notebooken vil du reflektere over, hvorfor det kan være begrænsende at bygge detektionsmodeller fra bunden — og kort nævne vigtigheden af transfer learning for praktiske anvendelser.
Tak for dine kommentarer!