ai-center
latest
false
Importante :
A tradução automática foi aplicada parcialmente neste conteúdo.
AI Center
Automation CloudAutomation SuiteStandalone
Last updated 10 de out de 2024

Classificação de imagens

Pacotes prontos para uso > Análise de imagem da UiPath > Classificação de imagens

Observação:

O modelo Classificação de imagem está atualmente em visualização pública.

A UiPath® assume um compromisso quanto à estabilidade e à qualidade de nossos produtos. Porém, as funcionalidades de visualização sempre estão sujeitas à alteração, com base no feedback que recebemos de nossos clientes. O uso das funcionalidades de visualização não é recomendado para implantações de produção.

Este modelo pode ser executado sem problemas na CPU, mas você pode encontrar problemas ao executá-lo na GPU durante a visualização.

Esse modelo de visualização é um modelo de aprendizado profundo retreinável usado para classificar imagens. Você pode treiná-lo com seus próprios dados e criar uma Habilidade de ML para executar a classificação de imagem. Esse pacote de ML deve ser retreinado; se for implantado sem treinamento primeiro, a implantação falhará, com um erro informando que o modelo não foi treinado.

Detalhes do modelo

Tipo de Entrada

de transações

Descrição da entrada

O caminho completo do arquivo de imagem no qual você deseja classificar.

Certifique-se de que o formato de imagem seja JPEG ou PNG.

Descrição da saída

JSON com rótulo identificado para a imagem e pontuação de confiança (entre 0 e 1).

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

Recomendar GPU

Por padrão, recomenda-se uma GPU.

Treinamento Habilitado

Por padrão, o treinamento está habilitado.

Pipelines

Todos os três tipos de pipelines (Treinamento completo, Treinamento e Avaliação) são suportados por esse pacote. Para a maioria dos casos de uso, não é necessário especificar parâmetros: o modelo usa técnicas avançadas para encontrar um modelo de bom desempenho. Nos treinamentos subsequentes após o primeiro, o modelo usa aprendizado incremental (ou seja, a versão treinada anteriormente será usada no final de uma execução de treinamento).

Formato do conjunto de dados

Para conjuntos de dados de treinamento e avaliação, aponte para uma pasta com uma subpasta chamada images; essa subpasta pode conter entradas de diversas pastas com diferentes classes (por exemplo, uma pasta chamada cats com imagens de gatos e outra chamada dogs com fotos de cães, e assim por diante).

Exemplo:

-- <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

Variáveis de Ambiente

  • Epochs - valor padrão 20

Artefatos

Relatório da classificação

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 confusão



Predictions.csv

Esse é um arquivo CSV com previsões sobre o conjunto de testes usado para avaliação.

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

Esta página foi útil?

Obtenha a ajuda que você precisa
Aprendendo RPA - Cursos de automação
Fórum da comunidade da Uipath
Uipath Logo White
Confiança e segurança
© 2005-2024 UiPath. Todos os direitos reservados.