PAI视觉算法组件-图像分类Quick Start

简介: PAI Designer(Studio 2.0)是基于云原生架构Pipeline Service(PAIFlow)的可视化建模工具, 提供可视化的机器学习开发环境,实现低门槛开发人工智能服务。同时,系统提供丰富且成熟的机器学习算法,覆盖商品推荐、金融风控及广告预测等场景,支持基于MaxCompute、PAI-DLC、Flink等计算资源进行大规模分布式运算,可以满足您不同方向的业务需求。本文将结合智能标注简单演示机器学习平台进行图像分类的一个展示,以供参考。

Step By Step

  • 1.创建智能标注任务,获取生成的.manifest索引文件
  • 2.在dataworks里创建表后,通过MaxCompute客户端使用Tunnel Upload导入标注的图片地址数据
  • 3.PAI Designer进行模型搭建训练
  • 4.查看结果数据

一.使用Tunnel Upload导入标注的图片地址数据

  • 导入的数据要求与查看导入数据

1666777396772_17D7A6A8-3A73-45d7-A585-EB23532859CB.png

lQLPJxbQa3dk4ezNAbrNBnawyz_bfzOYUasDVoqSAkCRAA_1654_442.png

1666849739412_CDF4CE27-1434-4ada-A149-A83CDBE11B27.png


二.模型搭建训练

  • 1.创建读OSS数据组件

lQLPJxbQY4Wu_B7NAqLNBXCwHySqF4E3wGQDVn2Nx0CqAA_1392_674.png


lQLPJxbQY1JsaIHNA0XNBjywXF_HEepXZHgDVn05PUDsAA_1596_837.png


  • 2.数据转tfrecord组件

lQLPJxbQZRr-x7bNAr_NBQGwJpVAxxoCq9ADVoAmLUAcAA_1281_703.png


1666774579898_43CDDA22-61D1-4ec5-975E-CE27829774AE.png


lQLPJxbQZFp44VrNAmLNBUewGuJ-j30H0I0DVn7qrcBAAA_1351_610.png


image.png


lQLPJxbQZKPJKOXNAwzNBIiwiU3aZR7z0O8DVn9iQQCRAA_1160_780.png


lQLPJxbQZLw5R6fNAnjNBFyw2qOw3uTTkYgDVn-Kf0BAAA_1116_632.png

  • 3.图像分类训练组件

lQLPJxbQaDDBsnfNAlfNBHmwaKVZQazYXLsDVoUzoECkAA_1145_599.png


lQLPJxbQaIyMQszNAzPNBIawVC-558AZ1qoDVoXKYgBMAA_1158_819.png


lQLPJxbQaPTbJn3NAx3NBI-wukITBjytPboDVoZ1LcDOAA_1167_797.png


lQLPJxbQaRRyTDrNAkfNBHuwkV_N10H4SMsDVoao1UBMAA_1147_583.png

  • 4.读数据表组件

lQLPJxbQaa7SjzrNAvfNBw2wPOS7LXHFtpADVoel4EA2AA_1805_759.png

  • 5.通用图像预测组件

lQLPJxbQa-KutsHNAtLNBW2wyCVnVe2QYwcDVotB-0AcAA_1389_722.png


lQLPJxbQbPwEMgbNAsDNBZawF4e_BR1sGuEDVo0O9EAcAA_1430_704.png


lQLPJxbQeC5nWbPNAhTNBTewmVv8hMt_gocDVp9nE0CqAA_1335_532.png

三.查看结果数据

lQLPJxbQeE1l6VrNArbNA--wTPILFLWYJlMDVp-ZpwCJAA_1007_694.png


更多参考

智能标注(iTAG)
阿里云机器学习平台PAI智能标注Quick Start
通过客户端使用MaxCompute

相关实践学习
使用PAI+LLaMA Factory微调Qwen2-VL模型,搭建文旅领域知识问答机器人
使用PAI和LLaMA Factory框架,基于全参方法微调 Qwen2-VL模型,使其能够进行文旅领域知识问答,同时通过人工测试验证了微调的效果。
机器学习概览及常见算法
机器学习(Machine Learning, ML)是人工智能的核心,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能,它是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。 本课程将带你入门机器学习,掌握机器学习的概念和常用的算法。
目录
相关文章
|
2月前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
249 0
|
4月前
|
编解码 算法
改进SIFT算法实现光学图像和SAR图像配准
改进SIFT算法实现光学图像和SAR图像配准
|
2月前
|
机器学习/深度学习 算法 自动驾驶
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
177 8
|
2月前
|
机器学习/深度学习 数据采集 人工智能
【机器学习算法篇】K-近邻算法
K近邻(KNN)是一种基于“物以类聚”思想的监督学习算法,通过计算样本间距离,选取最近K个邻居投票决定类别。支持多种距离度量,如欧式、曼哈顿、余弦相似度等,适用于分类与回归任务。结合Scikit-learn可高效实现,需合理选择K值并进行数据预处理,常用于鸢尾花分类等经典案例。(238字)
|
3月前
|
存储 监控 算法
基于文化优化算法图像量化(Matlab代码实现)
基于文化优化算法图像量化(Matlab代码实现)
115 1
|
3月前
|
存储 算法 生物认证
基于Zhang-Suen算法的图像细化处理FPGA实现,包含testbench和matlab验证程序
本项目基于Zhang-Suen算法实现图像细化处理,支持FPGA与MATLAB双平台验证。通过对比,FPGA细化效果与MATLAB一致,可有效减少图像数据量,便于后续识别与矢量化处理。算法适用于字符识别、指纹识别等领域,配套完整仿真代码及操作说明。
|
3月前
|
机器学习/深度学习 监控 并行计算
【图像增强】局部对比度增强的CLAHE算法直方图增强研究(Matlab代码实现)
【图像增强】局部对比度增强的CLAHE算法直方图增强研究(Matlab代码实现)
367 0
|
5月前
|
机器学习/深度学习 监控 算法
基于单尺度Retinex和多尺度Retinex的图像增强算法实现
基于单尺度Retinex(SSR)和多尺度Retinex(MSR)的图像增强算法实现
507 1
|
5月前
|
存储 算法 数据安全/隐私保护
基于FPGA的图像退化算法verilog实现,分别实现横向和纵向运动模糊,包括tb和MATLAB辅助验证
本项目基于FPGA实现图像运动模糊算法,包含横向与纵向模糊处理流程。使用Vivado 2019.2与MATLAB 2022A,通过一维卷积模拟点扩散函数,完成图像退化处理,并可在MATLAB中预览效果。
|
5月前
|
机器学习/深度学习 分布式计算 Java
Java 大视界 -- Java 大数据机器学习模型在遥感图像土地利用分类中的优化与应用(199)
本文探讨了Java大数据与机器学习模型在遥感图像土地利用分类中的优化与应用。面对传统方法效率低、精度差的问题,结合Hadoop、Spark与深度学习框架,实现了高效、精准的分类。通过实际案例展示了Java在数据处理、模型融合与参数调优中的强大能力,推动遥感图像分类迈向新高度。

热门文章

最新文章