Prueba de modelos
Una vez desplegado un modelo, pruébelo con otras imágenes y vídeos para asegurarse de que funciona según lo esperado.
Procedimiento
Resultados
- Si ha utilizado una imagen para probar un modelo de clasificación de imágenes
El resultado de la prueba muestra la imagen cargada con el mapa de calor resultante superpuesto y da la clasificación y la confianza de la clasificación. Se devuelven varias clases con los niveles decrecientes de confianza para las distintas clases. El mapa de calor es para la clasificación de confianza más alta y puede ayudarle a determinar si el modelo ha aprendido correctamente las características de esta clasificación. Para ocultar clases con un nivel de confianza inferior, utilice el graduador Umbral de confianza.
El área roja del mapa de calor corresponde a las áreas de la imagen que son de mayor relevancia. Utilice el control deslizante para cambiar la opacidad del mapa de calor. Debido a que el mapa de calor es un cuadrado, la imagen de prueba se comprime en un cuadrado. Esta compresión puede hacer que la imagen se vea distorsionada, pero muestra las áreas que el algoritmo ha identificado como relevantes.
Si ha utilizado una imagen para probar un modelo de detección de objetosLos objetos identificados se etiquetan en la imagen con la puntuación de confianza calculada.
Si el modelo de detección de objetos que está probando es un modelo optimizado para anomalía, se muestran resultados adicionales para los objetos anómalos, como los objetos rayados, abollados o astillados. Por ejemplo, si el modelo detecta puertas de coche y prueba el modelo subiendo una imagen de una puerta de coche rayada, se muestran dos resultados. El primer resultado identifica la puerta utilizando la etiqueta del objeto, por ejemplo
car_door. El segundo resultado indica que la puerta tiene una anomalía al añadir como prefijoanomaly_a la etiqueta del objeto, por ejemploanomaly_car_door. Ambos resultados incluyen puntuaciones de confianza. El recuadro delimitador de la anomalía detectada se incluye dentro de un recuadro delimitador para el objeto identificado.- Si ha utilizado un vídeo para probar un modelo de detección de objetos
Antes de proporcionar el vídeo, seleccione si desea anotarlo con puntos o recuadros delimitadores. El video se procesa y a continuación el video procesado se muestra con una lista de todos los objetos. Al visualizar el vídeo procesado, los objetos identificados se etiquetan tal como aparecen en el vídeo. Los objetos están etiquetados con un punto en el centro del objeto o el recuadro delimitador, y el nombre se muestra junto a la anotación. Las anotaciones de polígono no se utilizan en la prueba de objetos de vídeo, incluso si el modelo se ha entrenado para la segmentación.
Al pulsar un objeto de la lista irá a ese punto del vídeo. El proceso del vídeo puede tardar un tiempo, según su tamaño.
La inferencia puede tardar mucho tiempo en completarse. No obstante, puede ejecutar varias inferencias simultáneamente. Además, no es necesario permanecer en la página de detalles del modelo desplegado. Si sale de la página, se abre una ventana de notificación, donde puede ver el progreso. Si pulsa el enlace de esta ventana, se cargará la sección de resultados de inferencia en la página de detalles del modelo desplegado.
Para descargar el resultado, pulse Exportar resultado en la sección Resultados. Se descarga un .zip archivo en su sistema. Este archivo contiene el vídeo original, un archivo JSON que contiene la información del resultado y el vídeo procesado con etiquetas de objeto añadidas como anotaciones.
Al cerrar el área de resultados de una inferencia, los resultados no se eliminan. Se guardan durante siete días, a menos que los suprima. Para acceder a los resultados de las inferencias anteriores, pulse Historial de resultados en la sección Probar modelo de la página Modelos desplegados. Puede abrir o suprimir cualquiera de los resultados guardados.
La vista previa del objeto de vídeo no da soporte a etiquetas que no sean ASCII, lo que es una limitación del módulo que genera la etiqueta visualizada desde el nombre de etiqueta. El resultado de la conversión de etiquetas que no son ASCII es una etiqueta compuesta únicamente por signos de interrogación: "?????".
- Si ha utilizado un vídeo para probar un modelo de detección de acciones
El video se procesa y a continuación puede ver el video procesado. Las acciones identificadas son la salida, junto con la confianza y los tiempos de de inicio y finalización, tal como aparecen en el vídeo. El proceso del vídeo puede tardar un tiempo, según su tamaño.
La inferencia puede tardar mucho tiempo en completarse. No obstante, puede ejecutar varias inferencias simultáneamente. Además, no es necesario permanecer en la página de detalles del modelo desplegado. Si sale de la página, se abre una ventana de notificación, donde puede ver el progreso. Si pulsa el enlace de esta ventana, se cargará la sección de resultados de inferencia en la página de detalles del modelo desplegado.
Las acciones identificadas se agrupan por código de acción. Para ver las acciones individuales que se han descubierto, expanda el código de acción. Al pulsar una acción, la vista previa del vídeo se mueve al inicio de dicha acción.
Para descargar el resultado, pulse Exportar resultado en la sección Resultados. Se descarga un archivo .zip en el sistema. Este archivo contiene el vídeo original, un archivo CSV que contiene la información del resultado y, si se ha seleccionado la opción para generar el vídeo anotado al iniciar la operación de inferencia, el vídeo procesado con etiquetas de acción añadidas como anotaciones.
Al cerrar el área de resultados de una inferencia, los resultados no se eliminan. Se guardan durante siete días, a menos que los suprima. Para acceder a los resultados de las inferencias anteriores, pulse Historial de resultados en la sección Probar modelo de la página Modelos desplegados. Puede abrir o suprimir cualquiera de los resultados guardados.
Qué hacer a continuación
Si está satisfecho con los resultados, el modelo está listo para su uso en producción. De lo contrario, puede perfeccionar el modelo siguiendo las instrucciones que se indican en Perfeccionamiento de modelos.