一、Why 定制化模型
一般來說，各大雲服務廠商只會提供一些最常見通用的AI服務，針對具體場景的AI應用則需要在雲服務廠商提供的服務之上進行定制。例如，通常的圖像識別只能做到分析照片的主題內容，而我的需求是給定指定場景的圖片，能夠分析出其中的各個物體，並指出他們是什么，以便我后期能夠給出相似的圖片內容實現猜你喜歡及拍照識圖並進行相關物品的推薦等功能。因此，這里介紹一下百度AI平台的EasyDL定制化AI服務，主要會Focus在定制化圖片識別這個方向。
對於EasyDL定制化圖像識別，百度主要提供了兩個可定制的模型：
（1）圖像分類
圖像分類指識別一張圖中是否是某類物體/狀態/場景，可以識別圖片中主體或者狀態單一的場景，如下圖所示：
（2）物體檢測
物體檢測是指定制識別出圖片里每個物體的位置、名稱。可以識別圖片中有多個主體、或者要識別位置及數量的場景，如下圖所示：
（3）應用案例
家圖網是使用EasyDL定制模型的一個典型案例，詳情可以點擊這里瀏覽。
二、第一個物體檢測模型
2.1 創建模型和數據集
這里我模仿家圖網，也來訓練一個家居場景下的模型，我的目標是多目標物體檢測，因此創建一個模型。
有了模型，還需要數據集，因此我創建了三個數據集（這里Demo只會用到兩個，三個的話訓練太花時間），分別用於上傳需要訓練的圖片：
PS：用於訓練的圖片需要和實際的場景圖片一致，而且訓練的樣本數量越多精確性越高，我這里只上傳了30多張。
2.2 迭代打標簽
接下來的工作就比較反鎖了，我們需要迭代地給訓練樣本打標簽，告訴機器，某個圖片某個部位是什么，在下一步訓練時讓機器可以自糾正改進自己的算法。
然后就是循環反復地為訓練樣本打標簽，是一個體力活。
2.3 訓練模型
有了打好標簽的數據集，就可以開始訓練了：
第一個版本訓練之后的結果：精確率21.9%，不忍直視
於是將未識別的圖片及新增一些訓練樣本，再次打標簽，再次訓練之后的結果：提升了很多！為了節約時間，就不再訓練了。當然，實際中需要增加盡可能多的訓練樣本，並多次訓練以求得一個更好的識別模型。
2.4 校驗模型
下面就是見證奇跡的時刻（請不要選擇訓練樣本進行校驗，選擇非訓練樣本進行校驗）：請原諒我的無知~哭~
可以看到，我們的模型准確的識別到了沙發和吊燈。當然，還有很多沒有完整的識別到兩個物體，就需要將它作為訓練樣本加入數據集打標簽，以便下個迭代里模型能夠正確識別相關類似的圖片內容。
如果有一個較好的模型，我想我也可以實現類似於家圖網的看圖識物並推薦相似物體的熱門產品了。當然，家圖網可是數以萬計的訓練才得出的識別模型，我們在做的時候也是需要花費很多精力去調優的。Anyway，萬里長征也算走出了第一步。
三、小結
本文主要記錄了一個使用百度AI平台的EasyDL進行定制化模型的過程，全篇無干貨，只是單純的實驗而已，希望對你有用。