yolo影像辨識教學：AI Maker 案例教學

AI Maker 案例教學 - YOLOv4 影像辨識應用 - CodiMD

--- title: AI Maker 案例教學 - YOLOv4 影像辨識應用 description: OneAI 文件 tags: 案例教學, YOLO, Deprecated --- [OneAI 文件](/s/xKNcU3O5D) # AI Maker 案例教學 - YOLOv4 影像辨識應用 :::warning :warning: **注意：** 因系統或服務更新，此文件已不再維護，新版文件或類似的使用案例，請參考 [**AI Maker 案例教學 - YOLOv7 影像辨識應用**](/s/casestudy-yolov7)。 ::: [TOC] ## 0. 部署 YOLOv4 影像辨識應用 在本範例中，我們將使用 AI Maker 針對 YOLOv4 影像辨識應用所提供的 **`yolov4`** 範本，從無到有逐步建立一個 YOLO 影像辨識應用。系統所提供的 **`yolov4`** 範本中事先定義了從訓練任務到推論各階段任務中所需使用的環境變數、映像檔、程式等設定，方便您快速地開發屬於自己的 YOLO 網路。 主要步驟如下： 1. [**資料集準備**](#1-準備資料集) 在此階段，我們要準備進行機器學習訓練的影像資料集，並上傳至指定位置。 2. [**資料標註**](#2-標註資料) 在此階段，我們將標註影像中的物體，這些標註資料稍後會用於神經網路的訓練。 3. [**訓練 YOLO 模型**](#3-訓練-YOLO-模型) 在此階段，我們將配置相關訓練任務，以進行神經網路的訓練與擬合，並將訓練好的模型儲存。 4. [**建立推論服務**](#4-建立推論服務) 在此階段，我們會部署已儲存的模型並進行推論。 5. [**進行影像辨識**](#5-進行影像辨識) 在此階段，我們會示範如何在 Jupyter Notebook 中使用 Python 語言發送推論請求。 當完成本範例後，您將學會： 1. 熟悉 AI Maker 功能並建立各階段任務。 2. 使用 AI Maker 內建的範本建置相關任務。 3. 使用儲存服務並上傳資料。 4. 使用 CVAT 工具標註物件，進...