一、Why 定制化模型
一般来说，各大云服务厂商只会提供一些最常见通用的AI服务，针对具体场景的AI应用则需要在云服务厂商提供的服务之上进行定制。例如，通常的图像识别只能做到分析照片的主题内容，而我的需求是给定指定场景的图片，能够分析出其中的各个物体，并指出他们是什么，以便我后期能够给出相似的图片内容实现猜你喜欢及拍照识图并进行相关物品的推荐等功能。因此，这里介绍一下百度AI平台的EasyDL定制化AI服务，主要会Focus在定制化图片识别这个方向。
对于EasyDL定制化图像识别，百度主要提供了两个可定制的模型：
（1）图像分类
图像分类指识别一张图中是否是某类物体/状态/场景，可以识别图片中主体或者状态单一的场景，如下图所示：
（2）物体检测
物体检测是指定制识别出图片里每个物体的位置、名称。可以识别图片中有多个主体、或者要识别位置及数量的场景，如下图所示：
（3）应用案例
家图网是使用EasyDL定制模型的一个典型案例，详情可以点击这里浏览。
二、第一个物体检测模型
2.1 创建模型和数据集
这里我模仿家图网，也来训练一个家居场景下的模型，我的目标是多目标物体检测，因此创建一个模型。
有了模型，还需要数据集，因此我创建了三个数据集（这里Demo只会用到两个，三个的话训练太花时间），分别用于上传需要训练的图片：
PS：用于训练的图片需要和实际的场景图片一致，而且训练的样本数量越多精确性越高，我这里只上传了30多张。
2.2 迭代打标签
接下来的工作就比较反锁了，我们需要迭代地给训练样本打标签，告诉机器，某个图片某个部位是什么，在下一步训练时让机器可以自纠正改进自己的算法。
然后就是循环反复地为训练样本打标签，是一个体力活。
2.3 训练模型
有了打好标签的数据集，就可以开始训练了：
第一个版本训练之后的结果：精确率21.9%，不忍直视
于是将未识别的图片及新增一些训练样本，再次打标签，再次训练之后的结果：提升了很多！为了节约时间，就不再训练了。当然，实际中需要增加尽可能多的训练样本，并多次训练以求得一个更好的识别模型。
2.4 校验模型
下面就是见证奇迹的时刻（请不要选择训练样本进行校验，选择非训练样本进行校验）：请原谅我的无知~哭~
可以看到，我们的模型准确的识别到了沙发和吊灯。当然，还有很多没有完整的识别到两个物体，就需要将它作为训练样本加入数据集打标签，以便下个迭代里模型能够正确识别相关类似的图片内容。
如果有一个较好的模型，我想我也可以实现类似于家图网的看图识物并推荐相似物体的热门产品了。当然，家图网可是数以万计的训练才得出的识别模型，我们在做的时候也是需要花费很多精力去调优的。Anyway，万里长征也算走出了第一步。
三、小结
本文主要记录了一个使用百度AI平台的EasyDL进行定制化模型的过程，全篇无干货，只是单纯的实验而已，希望对你有用。