系统内置算法

Octopus平台内部集成的一部分视觉类算法，主要包括图像目标检测的算法，您可以指明训练服务的训练数据集以及一些参数的具体数值，直接使用内置算法。目前，Octopus平台共为您提供基于PyTorch以及Tensorflow的算法各一套。

内置算法页面以列表的形式展现内置算法的信息，如算法的名称、算法的描述、状态、AI引擎等信息，支持您对内置算法的查询。

CascadeRcnn

CascadeRcnn是一种采用级联策略的图像目标检测方法，其利用不断提高IOU阈值大小确定正负样本比例，优化目标检测框的准确度。可根据数据集特征，将算法用于图像中特定物体对象的检测训练。

• 样本类型：图片；
• AI引擎：PyTorch-1.1.0-python3.6；
• 算法参数：详情请参见下表。

表 1 CascadeRcnn预置算法参数

算法参数	缺省值	取值范围	说明
total_epoches	3	>0	算法运行周期
img_size	[1920, 1080]	>=224	图片大小
batch_size	1	(0, 3)	一次训练几张图片
optimizer_name	SGD	SGD	优化器算法

YOLOV3

YOLOV3是一种利用多次度特征及使用Logistic的目标检测方法，其优化了对小目标对象检测，仍然保持速度优势。可根据数据集特征，将算法用于图像中特定物体对象的检测训练。

• 样本类型：图片；
• AI引擎：TF-1.12-python3.6；
• 算法参数：详细请参见下表。

表 2 YOLOV3预置算法参数

算法参数	缺省值	取值范围	说明
total_epoches	3	>0	算法运行周期
img_size	[1920，1088]	32倍数且最小为224	图片大小
batch_size	1	(0, 3)	一次训练几张图片
optimizer_name	momentum	sgd, momentum, adam, rmsprop	优化器算法

查询系统内置算法

您可以根据算法类型，选择内置算法，也可在搜索框内输入算法名称关键字，查询内置算法。