探索太空一直是人类乐此不疲的活动，随着科技的发展，人们对月球和火星愈发好奇。而在各种太空探索任务中，有效探测陨石坑具有至关重要的意义。

陨石坑是行星、卫星、小行星或其它天体表面通过陨石撞击而形成的环形凹坑。随着陨石颗粒大小撞击到火星/月球表面时，会撞击出不同大小的陨石坑宽度。

目前，关于陨石坑相关的数据集比较少，此次，运用了CooVally平台对火星/月球陨石坑的数量统计进行一次实验训练，最终mPA达到了0.757。

CooVally|快速筛选可用AI模型https://coovally.com/

下图是我们此次实验采用的数据样本集：

接下来来看一看标签的详情，各个大小不同的陨石坑都被详细的标注上了。

选择需要训练的标签，进行数据分析，设置好训练时的模型配置。迭代次数、实验次数以及并发次数根据自己需求选择即可。

将所有的参数设置完成后，我们需要做的便是等待训练结束，在此期间，可以关闭网页或将网页切换至后台，然后专注其他事务，一点也不浪费时间。

当训练结束后，可以在信息总览页面能够查看任务详情，包括参数设置、任务持续时间、实验次数、实验信息、mAP等。

可能会有人对第四次实验的时间产生疑问，因为在训练时，平台发现训练结果并不好，为了防止浪费过多的资源以及时间，便终止此次训练。

在实验详情页面，可以查看训练损失的折线图，呈现出一条越来越接近X轴的水平直线，代表训练结果逐渐收敛，训练效果越来越好。

在训练列表中，可以看到此次训练结果是比较理想的，mAP基本都达到了0.7以上，其中最高的为0.757。

CooVally不仅内置了多种模型类型，还可以帮助用户快速筛选可用的AI模型，使用户不必浪费过多时间在模型的筛选上。

所以，你还在等什么？