Ai创想实验室是专门为中小学AI教育开发的教学平台包含了值计算、图像分类、音频分类、文本分类、数值回归、图像回归、图像分类回归、平衡杆、手写数字生成、文本生成等中小学人工智能学习类项目。无需编程基础、无需添加硬件、无需购买算力、无隐私担忧、无需师资培训即可进行教学实践。边界框标注是一种回归任务通过设计合理的模型我们可以使之学会把一些纹理“圈起来”模型学习的过程中会不断逼近我们所给的数值最终学会如何进行标注。一、模型设计该模型和分类任务整体差异不大都需要使用卷积层在不同尺度上提取纹理特征诸多图像任务都是建立在这样的思路基础上的。模型的输出层设置为”回归“神经元数量为4左上角、大小激活函数为Linear。点击”导出XML“模型以备再次修改点击“导出训练模型”即可得到用于训练器的模型。二、数据准备我们仍然使用MNIST数据集导入一部分数据到数据管理器而后使用bbox右侧的机器人按钮调用快速标注工具或进行手动标注我使用440样本有点少你应该增加一些样本。三、模型训练将模型和训练数据导入到训练器而后设置数据增强——独立的回归任务可以进行翻转因为我们根本不在意具体图像表示什么数字从训练过程可以看到模型很快就能学到如何确定包围框使用440个样本训练速度虽然很快但需要训练更多轮次并且必须启动数据加强以生成足够的随机数据。更好的方式是使用更多的数据——根据你的计算机的实际能力样例数据都是力求在i3 4160这样的CPU的核显上能够流畅训练达到教学效果而设计和训练的在性能允许的情况下你可以进行各种扩充和修改——包括但不限于数据量、模型容量、超参数等。四、预测把训练好的模型导出然后导入到预测器进行预测可以看到模型预测结果基本正确但限于模型本身、很少的训练轮次、较少的样本它并没有达到完全正确。增加数据包括数字等的类别、增加训练轮次即可达到更令人满意的效果。但采用更激进的数据增强时应仔细计算边界越界、越界比例等。在AI创想实验室中我们无需编程基础不用学习框架不用配置环境无需购买费用高昂的显卡更不用为云端算力付费使用当前已有的各种硬件仅有核显的个人、办公、机房电脑希沃白板等都能达到理想的教学效果。操作简单但AI核心知识样样俱全无需师资培训就可以进行教学且能取得理想的教学效果。如果加入试点或合作方那么只需要一台局域网服务器无需显卡、服务器不用供算力即可一次投入永久使用全部项目和功能通过后台管理一分钟即可创建一个本地化、校本化的项目实例。有任何问题欢迎留言或发送邮件至helloAiEduLab.tech
