ML.NET 是一个面向 .NET 开发人员的开源跨平台机器学习框架，可将自定义机器学习模型集成到 .NET 应用中。

新版本的 Model Builder 现已推出，其中包括对使用本地 CPU 或 GPU 进行对象检测的支持。

物体检测是一个计算机视觉问题。虽然与图像分类密切相关，但对象检测以更精细的规模执行图像分类。对象检测可对图像中的实体进行定位和分类。当图像包含多个不同类型的对象时，使用对象检测。

对象检测的一些用例包括：

我们很高兴地宣布，您现在可以使用本地 CPU 或 GPU 在 Model Builder 中训练对象检测模型。

Model Builder 中的本地对象检测方案由 ML.NET 中的对象检测 API 提供支持。

与文本分类和句子相似性等 ML.NET 中的其他深度学习 API 类似，对象检测 API 是一个高级抽象，只需提供数据和一些参数即可帮助指导模型训练过程。

在幕后，对象检测API利用了微软研究院的一些最新技术，并由使用TorchSharp构建的基于变压器的神经网络架构提供支持。有关基础模型的更多详细信息，请参阅搜索视觉转换器的空间论文。

通过将对象检测 API 集成到 Model Builder 等工具中，我们使开始使用对象检测 API 的过程变得更加容易。

如果没有 GPU 或需要比设备上可用的计算更强大的计算，还可以选择使用 Azure。

下载或更新到最新版本的 Model Builder

通过右键单击 .NET 项目启动 Model Builder ，然后选择“添加机器学习模型>

选择对象检测方案。

选择其中一个本地环境或 Azure。如果您有 GPU，我们强烈建议您使用。有关在 Model Builder 中使用 GPU 的更多详细信息，请参阅 Model Builder GPU 指南。

添加您的数据。Model Builder 同时支持 VoTT 和 COCO 格式。

训练模型。这可能需要几分钟时间，具体取决于你拥有的数据量以及用于训练模型的硬件。

尝试一些图像，以查看模型是否按预期工作。

此时，可以转到后续步骤，并在 .NET 应用程序中使用模型。

有关更多详细信息，请查看 Model Builder 对象检测教程

在 Microsoft Docs 中了解有关 ML.NET、Model Builder 和 ML.NET CLI 的更多信息。

如果遇到任何问题、功能请求或反馈，请在 ML.NET 和 Model Builder 存储库中提交问题。

加入 .NET 开发 Discord 上的 ML.NET 社区 Discord 或#machine-learning 频道。

收听.NET 社区机器学习站立会议。