基于Coovally的目标检测任务详解

目标检测任务（Object Detection）是计算机视觉的主要分支之一，目的是“识别目标并给出其在图中的确切位置”，确定它们的类别和位置，是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素的干扰，目标检测一直是计算机视觉领域最具有挑战性的问题。

但是通过Coovally，不用了解目标检测的具体算法就可轻松完成目标检测任务，以下是详细的目标检测教程：

数据准备

目前Coovally支持两种数据上传方式：

·图片文件和标签文件都打包压缩成一个zip文件上传，待数据集创建成功之后，Coovally系统会自动识别并生成标签；

·先单独上传zip格式图片文件，待数据集创建成功之后，在数据集详情页再单独上传zip格式标签文件。

1. 创建数据集

登录Coovally点击侧边导航栏并点击下拉菜单【创建数据集】。

点击【创建数据集】，出现创建数据弹框，如下图所示，依次填入相关信息，最后选择图像文件夹压缩上传再点击【确定】即可创建数据集，数据类型选择【目标检测】。

 

创建数据集后，在【我的数据】中根据刚才创建数据集定义的数据集名称即可找到创建的数据集。

选择刚才创建的数据集依次填入标签名称，任务类型（选择目标检测），标签类型（选择目标检测），是否校验，标签描述。再将刚才压缩的cocojson文件zip包放入文件上传框，点击【确定】即可创建数据集标签。

上传成功后可以看到数据集图片的预览。

 

点击【标签预览】，可以看到标签在图片的效果可视化展示。

 

到这一步就已经成功创建可供训练的目标检测的数据集了。

注意：数据集拆分比例

·创建数据集时上传的压缩包中包含数据集图片和数据集标签时，系统将自动根据创建数据集时设置的拆分比例解析并生成数据集标签。

·创建数据集时上传的压缩包中仅包含数据集图片时，用户需自行创建数据集标签。创建标签时设置的拆分比例生效。

数据分布分析

点击【数据分布分析】，可以查看到所创建数据集的基本信息、图片分布、高度分布、宽度分布、大小分布、标签分布，BBox等分布相关信息。

可以根据数据分布可视化结果，发现数据分布规律，从而选择最优的模型结构进行建模实验。

 

2.数据建模

点击【数据建模】，即可根据数据集进行目标检测的建模。

进入建模菜单页面,任务类型选择【目标检测】，并设置模型训练相关参数：实验次数，并发次数和持续时间。

 

对于一些目标检测任务可以选择【增强算法】来提高模型训练效果。

根据需求选择单独增强哪个类别，在增强算法选择好后点击【预览】查看图像增强效果，挑选合适的增强效果点击【确定】，即可开始训练。

 建模完成之后，在后台可以看到模型训练的相关信息包括任务执行状态，任务持续时长、训练列表、评价精度等关键信息。

3.模型转换

在实验详情中，可以看到模型训练中的相关指标如评价指标，训练耗时，训练损失等。

当模型训练一段时间后，会生成可供使用的深度学习模型，此时点击【模型转换】功能。在弹出的配置框中根据下图提示进行相关的模型转换配置设置。然后点击【开始转换】。

 

4.模型部署

模型转化完成，会直接跳转到模型列表页面，选择训练好的检测模型，点击【部署】。

5.模型预测

在模型部署完成后，会直接跳转到预测界面，选择需要预测的图片点击【上传】，即可看到模型预测结果。

目标检测具有巨大的实用价值和应用前景。应用领域包括人脸检测、行人检测、车辆检测、飞机航拍或卫星图像中道路的检测、车载摄像机图像中的障碍物检测、医学影像在的病灶检测等。还有在安防领域中，可以实现比如安全帽、安全带等动态检测，移动侦测、区域入侵检测、物品看护等功能。

这些应用领域的检测任务，Coovally可以帮你通通实现！