Entrena i publica el teu model de detecció d'objectes
En aquesta secció, aprendreu a verificar les dades i, a continuació, a entrenar, provar i publicar el model.
- A la pantalla Entrena el model , verifiqueu que teniu els noms correctes i el nombre correcte d'imatges.
- Si les dades són bones, seleccioneu Entrena per iniciar l'entrenament del vostre model de detecció d'objectes.
Proveu ràpidament el vostre model
Després d'entrenar el model, podeu veure'l en acció des de la seva pàgina de detalls. Més informació: Gestiona el teu model en AI Builder
A la pàgina de detalls del model, seleccioneu Prova ràpida a la secció Darrera versió entrenada.
Pengeu una imatge que contingui els vostres objectes per provar el model.
El model s'aplicarà a la imatge que heu penjat. Aquest pas pot trigar una estona.
Un cop el model hagi acabat d'executar-se, els rectangles trobats es dibuixaran directament a la imatge.
Com interpretar la puntuació de rendiment del model
Si proveu ràpidament el model després d'entrenar-lo, apareixerà una puntuació de rendiment a la pàgina de detalls. Aquesta puntuació de rendiment indica el rendiment que ha fet el model a les imatges que heu penjat. Aquesta partitura no és una indicació del rendiment que tindrà en les vostres futures imatges perquè encara no les ha vist.
Si pengeu menys de 50 imatges per a una etiqueta, és més probable que obtingueu una puntuació alta, fins al 100 per cent. Això no vol dir que el vostre model sigui a prova de bales. Vol dir que el vostre model no ha comès cap error en un subconjunt de les imatges que heu proporcionat (anomenat conjunt de proves). Com més petit sigui el conjunt d'entrenament, més petit serà el conjunt de proves i més probable és que el vostre model sigui correcte quan es calculi la puntuació de rendiment.
Les puntuacions de rendiment del model són més fiables quan teniu més de 50 imatges per etiqueta i quan aquestes puntuacions es mantenen estables fins i tot quan canvieu el conjunt d'entrenament.
Publicar el model de detecció d'objectes
A partir d'aquí, podeu fer més proves amb altres imatges. Si esteu satisfet amb els resultats, podeu publicar el vostre model per utilitzar-lo en Power Apps o Power Automate.
Límits
| Acció | Límit | Període de renovació |
|---|---|---|
| Crides a detecció d'objectes (per entorn) | 4800 | 60 segons |