ai-center
latest
false
Importante :
Este contenido se ha localizado parcialmente a partir de un sistema de traducción automática.
AI Center
Automation CloudAutomation SuiteStandalone
Last updated 10 de oct. de 2024

Clasificación de imágenes

Paquetes listos para usar > Análisis de imagen de UiPath > Clasificación de imágenes

Nota:

El modelo Clasificación de imágenes está actualmente en vista previa pública.

UiPath® está comprometido con la estabilidad y la calidad de nuestros productos, pero las características de vista previa siempre están sujetas a cambios en función de los comentarios que recibimos de nuestros clientes. No se recomienda el uso de características de vista previa para implementaciones de producción.

Este modelo funciona sin problemas en la CPU, pero puedes tener problemas al ejecutarlo en la GPU durante la vista previa.

Este modelo de vista previa es un modelo de aprendizaje profundo que se puede volver a entrenar y se utiliza para clasificar imágenes. Puedes entrenarlo con tus propios datos y crear una habilidad ML para realizar la clasificación de imágenes. Este paquete ML debe volver a entrenarse. Si se implementa sin entrenarse antes, la implementación fallará con un error que indica que el modelo no está entrenado.

Detalles del modelo

Tipo de entrada

Archivo

Descripción de entrada

Ruta completa del archivo de imagen en el que se quiere clasificar.

Asegúrate de que el formato de imagen es JPEG o PNG.

Descripción de salida

JSON con la etiqueta identificada para la imagen y la puntuación de confianza (entre 0 y 1).

{
  "response": {
    "label": "car",
    "confidence": 0.85657345056533813
  }
}{
  "response": {
    "label": "car",
    "confidence": 0.85657345056533813
  }
}

GPU recomendada

De forma predeterminada, se recomienda una GPU.

Capacitación habilitada

De forma predeterminada, el entrenamiento está habilitado.

Procesos

Este paquete es compatible con los tres tipos de procesos (entrenamiento completo, entrenamiento y evaluación). Para la mayoría de casos de uso, no se necesitan especificaciones de parámetros; el modelo utiliza técnicas avanzadas para encontrar un modelo eficiente. En entrenamientos posteriores al primero, el modelo utiliza el aprendizaje incremental (es decir, se utilizará la versión previamente entrenada, al final de una ejecución de entrenamiento).

Formato del conjunto de datos

Para los conjuntos de datos de entrenamiento y evaluación, indica una carpeta con una subcarpeta llamada images la cual puede contener varias carpetas con diferentes clases (por ejemplo, una carpeta llamada cats con fotos de gatos y otra llamada dogs con fotos de perros, y así sucesivamente).

Ejemplo:

-- <Training / Evaluation Directory>
   -- images
      -- Bus
         -- bus001.jpg
         -- bus002.jpg
         -- bus003.jpg
      -- Truck
         -- truck001.jpg
         -- truck012.png
         -- truck0030.jpeg
      -- Car-- <Training / Evaluation Directory>
   -- images
      -- Bus
         -- bus001.jpg
         -- bus002.jpg
         -- bus003.jpg
      -- Truck
         -- truck001.jpg
         -- truck012.png
         -- truck0030.jpeg
      -- Car

Variables de entorno

  • Epochs: valor predeterminado 20.

Artefactos

Informe de clasificación

precision    recall  f1-score   support
    Positive       0.75      0.90      0.82        10
    Negative       0.88      0.70      0.78        10
    accuracy                           0.80        20
   macro avg       0.81      0.80      0.80        20
weighted avg       0.81      0.80      0.80        20precision    recall  f1-score   support
    Positive       0.75      0.90      0.82        10
    Negative       0.88      0.70      0.78        10
    accuracy                           0.80        20
   macro avg       0.81      0.80      0.80        20
weighted avg       0.81      0.80      0.80        20

Matriz de confusión



Predictions.csv

Este es un archivo CSV con predicciones en el conjunto de pruebas utilizado para la evaluación.

filename      actual        predicted
38    00043.jpg    Positive    Positive
17    00001.jpg    Positive    Positive
59    00014.jpg    Negative    Positive
31    00015.jpg    Positive    Positive
15    00008.jpg    Positive    Positive
69    00025.jpg    Negative    Negative
49    00003.jpg    Positive    Positive
5      00034.jpg    Positive    Positive
36    00044.jpg    Positive    Positive
50    00042.jpg    Negative    Positive
96    00011.jpg    Negative    Negative
53    00046.jpg    Negative    Positive
94    00036.jpg    Negative    Negativefilename      actual        predicted
38    00043.jpg    Positive    Positive
17    00001.jpg    Positive    Positive
59    00014.jpg    Negative    Positive
31    00015.jpg    Positive    Positive
15    00008.jpg    Positive    Positive
69    00025.jpg    Negative    Negative
49    00003.jpg    Positive    Positive
5      00034.jpg    Positive    Positive
36    00044.jpg    Positive    Positive
50    00042.jpg    Negative    Positive
96    00011.jpg    Negative    Negative
53    00046.jpg    Negative    Positive
94    00036.jpg    Negative    Negative

¿Te ha resultado útil esta página?

Obtén la ayuda que necesitas
RPA para el aprendizaje - Cursos de automatización
Foro de la comunidad UiPath
Uipath Logo White
Confianza y seguridad
© 2005-2024 UiPath. Todos los derechos reservados.