问题标签 [turi-create]

Turi Create 中的对象检测指南不包括设置数据，包括如何附加“注释”类别。

我所做的是创建一个单独的annotations文件，如下所示：

load_images然后我使用, 和这个文件设置我的数据：

这很好用，如果我 print data，我会得到这样的结果：

我不知道为什么在控制台中将其分成 2 行 - 可能只是出于调整大小的原因。

因此，我在 Object Detection 指南中找到了这一行，它旨在可视化应用于数据的注释：

当我运行它时，我在控制台中收到此错误：

另外，如果我将其注释掉，然后继续执行以下操作：

我得到错误：

大概我将我的注释列错误地设置为它的期望。

我正在尝试为特定用例构建 ML 模型。我已经阅读了各种不同的库，并尝试训练我自己的分类器，但我觉得我所做的不太正确 - 对象检测的设置似乎都是基于你的对象的想法检测可以有多种形式，因此设计训练方法时要考虑到这一点。我的用例与此不同。

我有想要识别的静态平面图像，例如书籍封面。因此，我不需要提供它的许多图像，而只需要提供它的正面外观的单个图像是有道理的。我想训练一个机器学习模型，这样我就可以在训练后向它展示那本书封面的图像，它会识别它。

训练后的书皮图像可能包括环境因素，例如不同的照明，或交替的角度，但想法是，如果书皮本身在全视图中，它应该能够被识别。

事实证明，在这里弄清楚要做什么是相当困难的。我遇到的每个指南都是为培训可能采取多种形式的对象而设计的。为我的目的改编这些指南并没有成功。

我尝试使用 Turi Create 的非常简单的设置，在我为每本书拥有的每个数据点上对其进行训练，然后使用相同的数据进行验证，因为我显然没有训练和验证集。Turi Create 负责所有培训细节，显然是为每个班级的许多示例而设计的。我觉得我在这里为了我的目的而对其进行了严重的修改。经过测试，它也不适用于对象检测。

我使用 OpenCV 的关键点检测和最近邻匹配功能取得了一些有限的成功，但想法是会有更广泛的项目列表，可能是 10k 本书，因此以这种方式进行图像比较是不切实际的在每一个上。

在过去的一个月里，我一直在学习更多关于 ML 和计算机视觉的知识，但这肯定不是我的专业领域——我主要是一名软件开发人员。很感激我能在这里得到的任何建议。

我正在尝试使用 turicreate 制作 coreML 模型。（这是我第一次接触python）

假设我有五个文件，“狗”、“猫”、“鸽子”、“松鼠”、“浣熊”。

如何更改此代码以便程序访问和训练它。

在我的 macOS 上 使用安装Turicreate时出现错误，pip

我做了以下步骤：

Requirement already up-to-date: pip in ./anaconda/lib/python3.5/site-packages

我正在尝试在我的设备上安装一个名为 turicreate 的包。我想在用 python 2.7 编写的代码中使用它

我的设备上有 python 3.6 和 python 2.7，所以我尝试使用以下命令：

然后我得到这个错误：

有人可以提出这个问题的解决方案吗？

谢谢，

安倍

PS：我在 Mac 上并在终端中执行此操作。

我正在尝试使用turicreate. 我将它安装在我的设备上sudo python2.7 -m pip install turicreate（我认为重要的部分如下：

ImportError: dlopen(/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/turicreate/cython/cy_unity.so, 2): Symbol not found: _syslog$DARWIN_EXTSN

以下是它的完整性供参考：

这里有什么问题？

我一直在这里关注 Turicreate 教程链接

我能够按照说明成功训练模型。借助那里提供的代码，我还可以在 iOS 应用程序中使用模型。但我无法弄清楚如何根据该模型返回的距离获得最相似的实际图像。此外，当我在 iPhone 上运行它时，它会返回我无法解释的偏移量和元素。请看截图。

我在 iOS 应用程序中的目标是输入一个图像，将该输入图像传递给模型，然后显示实际输出的 5 或 10 个最相似的图像，而不仅仅是距离。

我已经使用 Turi Create 制作了一个带有 swift 和 Core ML 的应用程序，它说是或否，但我无法让它在你拍照时为图片添加不同的描述，这在 Core ML 或 Apple AR 套件中是否有效

因此，我使用 turicreate 创建了一个手写数字识别模型，该模型使用著名的 MNIST 数据集和足够的数据量来训练模型......

但是当我在 ios 项目中部署模型时，它总是以 1.0 的概率预测相同的输出（即 1），而其他概率太小了。

我一直在尝试使用 Turi Create 创建一个简单的 Core ML 模型，但程序在迭代后停止。我有一个名为“RenderedImages”的文件夹，其中包含带有标签名称的文件夹以及所有相关图像。

编码：

输出是：

物化 SFrame... 完成。训练模型.. [19:49:50] src/nnvm/legacy_json_util.cc:190：加载由以前版本 v0.8.0 保存的符号。正在尝试升级... [19:49:50] src/nnvm/legacy_json_util.cc:198：符号升级成功！调整图像大小...对调整大小的图像执行特征提取...已完成 154/154 进度：从 5% 的训练数据创建验证集。可能还要等一下。您可以设置validation_set=None禁用验证跟踪。

警告：与示例数量相比，此问题中的特征维度数量非常大。除非设置了适当的正则化值，否则此模型可能无法为验证/测试集提供准确的预测。

逻辑回归：

示例数：143 类数：31 特征列数：1 解包特征数：1000 系数数：30030

启动 L-BFGS

+-----------+---------+------------+-------------- +-----------------+---------------------+ | 迭代 | 通行证 | 步长 | 已用时间 | 训练精度 | 验证准确度 | +-----------+---------+------------+-------------- +-----------------+---------------------+ | 1 | 6 | 0.000111 | 1.190632 | 0.076923 | 0.000000 | | 2 | 8 | 1.000000 | 1.284117 | 0.076923 | 0.000000 | | 3 | 9 | 1.000000 | 1.342702 | 0.111888 | 0.090909 | | 4 | 10 | 1.000000 | 1.400136 | 0.412587 | 0.181818 | | 5 | 11 | 1.000000 | 1.463703 | 0.426573 | 0.181818 | | 6 | 12 | 1.000000 | 1.511046 | 0.601399 | 0。454545 | | 11 | 17 | 1.000000 | 1.800922 | 0.853147 | 0.272727 | | 25 | 33 | 0.500000 | 2.653545 | 0.930070 | 0.454545 | | 50 | 65 | 0.500000 | 4.236037 | 1.000000 | 0.545455 | | 51 | 69 | 0.250000 | 4.388548 | 1.000000 | 0.545455 | | 75 | 103 | 0.500000 | 5.984408 | 1.000000 | 0.545455 | | 100 | 142 | 1.000000 | 7.716398 | 1.000000 | 0.545455 | | 101 | 144 | 1.000000 | 7.792923 | 1.000000 | 0.545455 | | 125 | 171 | 1.000000 | 9.240253 | 1.000000 | 0。545455 | +-----------+---------+------------+-------------- +-----------------+----------+

成功：找到最佳解决方案。

然后在这一点之后，内存完全填满，即使我等待一段时间也没有任何反应。

我有 16GB 的内存，为了确保图像的数量不是问题，我什至在每个标签上运行了 5 张图像（总共大约 50 张图像）。我认为我的电脑和内存不是问题，所以我做错了什么？

提前感谢您的任何答案

更新

我发现了问题所在！虽然，我不知道如何解决它。

本节：

未根据文件路径正确标记所有图像。这是因为这样的事情

有效，但使用这种方法我只能有 2 个不同的标签（2 个不同的文件夹），但我想要更多。有没有办法根据它们所在的文件夹的名称来标记图像，其中包含超过 2 个文件夹？

谢谢！