2.2　基于目标检测模板的开发

目标检测任务要比图像分类任务稍微复杂一些，需要对图像中感兴趣的目标物体进行定位和分类。目标检测有着非常广泛的用途，如人脸检测、车辆识别等。本节以STOP标志检测为例，介绍如何基于目标检测模板快速开发目标检测应用。

1. 数据准备

首先在ModelArts上基于目标检测模板创建一个项目，然后上传一批带有STOP标志的图像，并开始进行标注。不同于图像分类的标注，在目标检测的标注过程中，需要将每张图像上的目标类别（STOP标志）用矩形框标注出来，并给出具体标签，如图2-7所示。对于较为简单的场景，大概标注十几张图像之后，就可以开始进行训练并观察实际效果。

2. 自动模型训练

ModelArts利用目标检测算法，根据输入数据自动训练目标检测模型。类似于图像分类，在训练开始之前，还可以配置更多参数，如最大训练时长、最大推理时延等，然后自动学习后台会根据这些配置做模型最优设计和训练，并尽可能满足这些条件。

几分钟之后，模型就训练完毕，并且ModelArts会将模型结果输出。对于目标检测任务，一般的评价指标为每个类别精准率的平均值mAP（mean Average Precision）。在本示例中，mAP为81%。目标检测的具体计算方法不在此赘述，具体可以参考第7章。

3. 应用部署和测试

类似于图像分类，可以选择某个已完成的训练作业，然后单击“部署”按钮将其生成的模型部署起来并测试，结果如图2-8所示。可以看出，所部署的推理服务可以成功识别出“倒着的”STOP标志。虽然在训练数据集中，没有标注过“倒着的”STOP标志，但是由于训练阶段做了自动数据增强，该目标检测应用的识别能力得到了增强。