بداية سريعة: قم ببناء كاشف كائن باستخدام موقع Custom Vision

في هذه البداية السريعة، ستتعلم كيفية استخدام موقع Custom Vision لإنشاء نموذج للكشف عن الكائنات. بمجرد إنشاء نموذج، يمكنك اختباره بصور جديدة ودمجه في تطبيق التعرف على الصور الخاص بك.

في حال لم يكن لديك اشتراك Azure، فأنشئ حساباً مجانيّاً قبل البدء.

المتطلبات الأساسية

• مجموعة من الصور لتدريب نموذج الكاشف الخاص بك. يمكنك استخدام مجموعة من نماذج الصور على GitHub. أو يمكنك اختيار الصور الخاصة بك باستخدام النصائح أدناه.
• متصفح الويب المدعوم

إنشاء موارد الرؤية المخصصة

لاستخدام خدمة Custom Vision Service، ستحتاج إلى إنشاء موارد التدريب والتنبؤ لـ Custom Vision في Azure. ولتنفيذ ذلك في مدخل Azure، عليك ملء نافذة الحوار في الصفحة Create Custom Vision لإنشاء كل من موردي تدريب وتنبؤ.

إنشاء مشروع جديد

في متصفح الويب، انتقل إلى صفحة ويب الرؤية المخصصة، وحدد تسجيل الدخول. سجل الدخول باستخدام نفس الحساب الذي استخدمته لتسجيل الدخول إلى مدخل Microsoft Azure.

1. لإنشاء المشروع الأول، حدد مشروع جديد. يظهر مربع الحوار إنشاء مشروع جديد.

   

2. أدخل اسمًا ووصفًا للمشروع. ثم حدد Custom Vision Training Resource. إذا كان حساب تسجيل الدخول مقترنا بحساب Azure، فإن القائمة المنسدلة Resource تعرض جميع موارد Azure المتوافقة.

   إشعار

   إذا لم يكن هناك مورد متوفر، فيرجى التأكد من تسجيل الدخول إلى customvision.ai بنفس الحساب الذي استخدمته لتسجيل الدخول إلى مدخل Microsoft Azure. أيضًا، يرجى تأكيد أنك حددت "الدليل" نفسه في موقع Custom Vision على الويب كدليل في مدخل Microsoft Azure حيث توجد مواردCustom Vision الخاصة بك. في كلا الموقعَين، يمكنك تحديد دليلك من قائمة الحساب المنسدلة في الزاوية اليمنى العليا من الشاشة.

3. ضمن

4. حدد الكشف عن الكائنات ضمن أنواع المشاريع.

5. بعد ذلك، حدد أحد المجالات المتوفرة. يعمل كل مجال على تحسين جهاز الكشف لأنواع معينة من الصور، كما هو موضح في الجدول التالي. يمكنك تغيير المجال لاحقًا إذا أردت.

   النطاق	الغرض
   عام	مُحسَّن لمجموعة واسعة من مهام اكتشاف الكائنات. إذا لم يكن أي من المجالات الأخرى مناسبًا، أو لم تكن متأكدًا من المجال الذي تريد اختياره، فحدد المجال عام.
   شعار	الأمثل للعثور على شعارات العلامات التجارية في الصور.
   المنتجات على الرفوف	مُحسَّن لاكتشاف وتصنيف المنتجات على الرفوف.
   مجالات مضغوطة	مُحسَّن لقيود اكتشاف الكائنات في الوقت الفعلي على الأجهزة المحمولة. يمكن تصدير النماذج التي تم إنشاؤها بواسطة المجالات المضغوطة لتشغيلها محليًا.

6. وأخيرًا، حدد إنشاء مشروع.

قم باختيار صور التدريب

كحد أدنى، نوصيك باستخدام 30 صورة على الأقل لكل علامة في مجموعة التدريب الأولية. ستحتاج أيضًا إلى جمع بعض الصور الإضافية لاختبار نموذجك بمجرد تدريبه.

لتدريب نموذجك بشكل فعال، استخدم الصور ذات التنوع البصري. حدد الصور التي تختلف حسب:

• زاوية الكاميرا
• إضاءة
• الخلفية
• أسلوب مرئي
• موضوع (موضوعات) فردية / مجمعة
• size
• النوع

بالإضافة إلى ذلك، تأكد من أن جميع صور التدريب الخاصة بك تفي بالمعايير التالية:

• .jpg أو .png أو .bmp أو .gif
• لا يزيد حجمها عن 6 ميجابايت (4 ميجابايت لصور التنبؤ)
• ما لا يقل عن 256 بكسل على أقصر حافة ؛ أي صور أقصر من ذلك سيتم تكبيرها تلقائيًا بواسطة خدمة الرؤية المخصصة

تحميل الصور ووضع علامات عليها

في هذا القسم، يمكنك تحميل الصور ووضع علامة عليها يدويا للمساعدة في تدريب الكاشف.

1. لإضافة صور، حدد إضافة صور ثم حدد استعراض الملفات المحلية. حدد فتح لتحميل الصور.

   

2. سترى الصور التي تم تحميلها في القسم غير المحمل من واجهة المستخدم. الخطوة التالية هي وضع علامة يدويًّا على الكائنات التي تريد أن يتعلم الكاشف التعرف عليها. حدد الصورة الأولى لفتح نافذة حوار وضع العلامات.

   

3. حدد مستطيلا حول الكائن في الصورة واسحبه. بعد ذلك، أدخل اسم علامة جديد بالزر + ، أو حدد علامة موجودة من القائمة المنسدلة. من المهم وضع علامة على كل كائن (كائنات) تريد اكتشافه؛ لأن الكاشف يستخدم منطقة الخلفية غير المميزة كمثال سلبي في التدريب. عند الانتهاء من وضع العلامات، حدد السهم الموجود على اليمين لحفظ علاماتك والانتقال إلى الصورة التالية.

   

لتحميل مجموعة أخرى من الصور، ارجع إلى أعلى هذا القسم وكرر الخطوات.

تدريب الكاشف

لتدريب نموذج الكاشف، حدد الزر Train . يستخدم الكاشف جميع الصور الحالية وعلاماتها لإنشاء نموذج يحدد كل كائن مميز. قد تستغرق هذه العملية عدة دقائق.

يجب أن تستغرق عملية التدريب بضع دقائق فقط. في أثناء هذا الوقت، يتم عرض معلومات حول عملية التدريب في علامة التبويب الأداء.

تقييم الكاشف

بعد انتهاء التدريب، يتم حساب أداء النموذج وعرضه. تستخدم خدمة Custom Vision الصور التي قدمتها للتدريب لحساب الدقة، والاستدعاء، ومتوسط الدقة. الدقة والاسترجاع هما مقياسان مختلفان لفعالية الكاشف:

• الدقة تشير إلى جزء من التصنيفات المحددة التي تم تصحيحها. على سبيل المثال، إذا حدد النموذج 100 صورة ككلب، وكانت 99 منها كلابًا بالفعل، فإن الدقة ستكون 99%.
• التذكر يشير إلى جزء التصنيفات الفعلية التي تم تحديدها بشكل صحيح. على سبيل المثال، إذا كان هناك بالفعل 100 صورة للتفاح، وحدد النموذج 80 منهم كتفاح، فإن التذكر سيكون 80%.
• متوسط متوسط الدقة هو متوسط قيمة متوسط الدقة (AP). AP هي المنطقة تحت منحنى الدقة/الاستدعاء (الدقة المرسومة مقابل الاسترجاع لكل تنبؤ تم إجراؤه).

حد الاحتمال

لاحظ شريط تمرير عتبة الاحتمال في الجزء الأيمن من علامة التبويب الأداء. هذا هو مستوى الثقة الذي يجب أن يتمتع به التنبؤ لكي يعتبر صحيحا (لأغراض حساب الدقة والاسترجاع).

عند تفسير استدعاءات التوقعات بحد احتمالات عالية، فإنها تميل إلى إرجاع النتائج بدقة عالية على حساب الاسترجاع—التصنيفات المكتشفة صحيحة؛ لكن لا يزال العديد منها غير مكتشف. حد الاحتمالات المنخفضة تفعل العكس—تكون معظم التصنيفات الفعلية مكتشفة؛ لكن هناك المزيد من النتائج الإيجابية الخاطئة داخل تلك المجموعة. مع وضع هذا في الاعتبار، ينبغي لك تعيين عتبة الاحتمالات وفقًا للاحتياجات المحددة لمشروعك. لاحقًا، عندما تتلقى نتائج التوقعات من جانب العميل، ينبغي استخدام قيمة عتبة الاحتمالات ذاتها كما استخدمتها هنا.

حد التداخل

يتعامل شريط تمرير عتبة التراكب مع مدى صحة توقع الكائن ليتم اعتباره "صحيحا" في التدريب. يقوم بتعيين الحد الأدنى من التداخل المسموح به بين مربع إحاطة العنصر المتوقع ومربع الإحاطة الفعلي الذي أدخله المستخدم. إذا لم تتداخل المربعات المحيطة بهذه الدرجة، فلن يتم اعتبار التوقع صحيحًا.

إدارة التكرارات التدريبية

في كل مرة تقوم فيها بتدريب الكاشف الخاص بك، يمكنك إنشاء تكرار جديد بمقاييس الأداء المحدثة الخاصة به. يمكنك عرض كل التكرارات في الجزء الأيمن من علامة التبويب الأداء . في الجزء الأيمن، ستجد أيضا الزر حذف ، والذي يمكنك استخدامه لحذف تكرار إذا كان قديما. عندما تحذف تكرارًا، فإنك تحذف أي صور مرتبطة به بشكل فريد.

انظر استخدام النموذج الخاص بك مع واجهة برمجة التطبيقات للتنبؤ لمعرفة كيفية الوصول إلى النماذج المدربة برمجيًا.

الخطوات التالية

في هذه البداية السريعة، تعلمتَ كيفية إنشاء نموذج للكشف عن الكائنات وتدريبه باستخدام موقع Custom Vision على الويب. بعد ذلك، احصل على مزيد من المعلومات حول العملية التكرارية لتحسين النموذج الخاص بك.

اختبار النموذج وإعادة التدريب عليه

• ما المقصود بالرؤية المخصصة ؟