Import imagí

  • Článek

Důležité

Podpora studia Machine Learning (Classic) skončí 31. srpna 2024. Doporučujeme do tohoto data přejít na službu Azure Machine Learning.

Od 1. prosince 2021 nebude možné vytvářet nové prostředky studia Machine Learning (Classic). Do 31. srpna 2024 můžete pokračovat v používání stávajících prostředků studia Machine Learning (Classic).

Dokumentace ke studiu ML (Classic) se vyřazuje z provozu a v budoucnu se nemusí aktualizovat.

Načte obrázky z azure blob Storage do datové sady.

Kategorie: Moduly knihovny OpenCV

Poznámka

Platí pro: Machine Learning Studio (classic)

Podobné moduly s přetahováním jsou k dispozici v Azure Machine Learning návrháři.

Přehled modulu

Tento článek popisuje, jak pomocí modulu Import imagí v Machine Learning Studiu (klasickém) získat několik obrázků z úložiště objektů blob v Azure a vytvořit z nich datovou sadu obrázků.

Když tento modul použijete k načtení obrázků z úložiště objektů blob do vašeho pracovního prostoru, převede se každý obrázek na řadu číselných hodnot pro červené, zelené a modré kanály společně s názvem souboru obrázku. Datová sada takových obrázků se skládá z několika řádků v tabulce, z nichž každý má jinou sadu hodnot RGB a odpovídající názvy souborů obrázků. Pokyny k přípravě imagí a připojení k úložišti objektů blob najdete v tématu Import obrázků.

Po převodu všech obrázků pak můžete tuto datovou sadu předat modulu Score Model (Skóre modelu) a připojit předem natrénovaný model klasifikace obrázků, abyste mohli předpovědět typ obrázku.

Můžete importovat jakýkoli druh imagí používaných pro strojové učení. Existují však omezení, včetně typů a velikosti imagí, které lze zpracovat, viz část Technické poznámky.

Jak používat import imagí

Tento příklad předpokládá, že jste do svého účtu ve službě Azure Blob Storage nahráli několik obrázků. Image jsou v kontejneru určeném pouze pro tento účel. Každý obrázek musí být zpravidla poměrně malý a musí mít stejné rozměry a barevné kanály. Podrobný seznam požadavků, které se vztahují na obrázky, najdete v části Technické poznámky.

  1. Přidejte do experimentu v nástroji Studio (classic) modul Import imagí.

  2. Přidejte modul Pretrained Cascade Image Classification (Klasifikace předem vytrénovaných kaskádových obrázků) a Score Model (Skóre modelu).

  3. V modulu Import imagí nakonfigurujte umístění imagí a zadejte metodu ověřování privátní nebo veřejnou:

    • Pokud je sada imagí v objektu blob, který je nakonfigurovaný pro veřejný přístup prostřednictvím sdílených přístupových podpisů (SAS), zadejte adresu URL kontejneru, který obsahuje obrázky.

    • Pokud jsou image uložené v privátním účtu v úložišti Azure, vyberte Účet a pak zadejte název účtu tak, jak se zobrazuje na portálu pro správu. Pak vložte primární nebo sekundární klíč účtu.

    • Do pole Cesta ke kontejneru zadejte pouze název kontejneru a žádné další prvky cesty.

  4. Připojení výstupu modulu Import obrázků do modulu Score Model (Skóre modelu).

  5. Spusťte experiment.

Výsledky

Každý řádek výstupní datové sady obsahuje data z jednoho obrázku. Řádky jsou seřazené abecedně podle názvu obrázku a sloupce obsahují následující informace v tomto pořadí:

  • První sloupec obsahuje názvy obrázků.
  • Všechny ostatní sloupce obsahují zploštěná data z červeného, zeleného a modrého barevného kanálu v tomto pořadí.
  • Kanál transparentnosti se ignoruje.

V závislosti na barevné dráze obrázku a formátu obrázku může pro jeden obrázek být k dispozici mnoho tisíc sloupců. Proto pokud chcete zobrazit výsledky experimentu, doporučujeme přidat modul Vybrat sloupce v datové sadě a vybrat pouze tyto sloupce:

  • Název image
  • Vyhodnocené popisky
  • Scored Probabilities

Technické poznámky

Tato část obsahuje podrobnosti o implementaci, tipy a odpovědi na nejčastější dotazy.

Podporované formáty obrázků

Modul Import obrázků určuje typ obrázku přečtením prvních několika bajtů obsahu, nikoli pomocí přípony souboru. Na základě těchto informací určuje, jestli je image jedním z podporovaných formátů obrázků.

  • Windows rastrových obrázků: .bmp, .dib
  • Soubory JPEG: .jpeg, .jpg, .jpe
  • Soubory JPEG 2000: .jp2
  • Přenosná síťová grafika: .png
  • Formát přenosné image: .pbm, .pgm, .ppm
  • Sun Raster: .sr, .ras
  • Soubory TIFF: .tiff, .tif

Požadavky image

Na obrázky zpracované modulem Import imagí platí následující požadavky:

  • Všechny obrázky musí mít stejný tvar.
  • Všechny obrázky musí mít stejné barevné kanály. Například nemůžete kombinovat obrázky ve stupních šedé s obrázky RBG.
  • Pro každý obrázek platí limit 65536 pixelů. Počet imagí ale není omezený.
  • Pokud jako zdroj zadáte kontejner objektů blob, nesmí kontejner obsahovat jiné typy dat. Před spuštěním modulu se ujistěte, že kontejner obsahuje pouze image.

Další omezení

  • Pokud máte v úmyslu použít předem vytrénovaný modul kaskádová klasifikace obrázků, uvědomte si, že v současné době podporuje pouze rozpoznávání tváří ve frontálním zobrazení. jiné klasifikátory obrázků ještě nejsou k dispozici.

  • Datové sady obrázků nelze použít s těmito moduly: Trénování, křížové ověření modelu.

Parametry modulu

Name Rozsah Typ Výchozí Description
Zadejte typ ověřování. Seznam Authenticationtype Účet Identifikátor URI veřejného nebo sdíleného přístupového podpisu (SAS) nebo přihlašovací údaje uživatele
Identifikátor URI Všechny Řetězec žádné Identifikátor URI s SAS nebo veřejným přístupem
Název účtu Všechny Řetězec žádné Název Azure Storage účtu
Klíč účtu Všechny Securestring žádné Klíč přidružený k Azure Storage účtu
Cesta ke kontejneru, adresáři nebo objektu blob Všechny Řetězec žádné Cesta k objektu blob nebo názvu tabulky

Výstup

Název Typ Description
Datová sada výsledků Tabulka dat Datová sada se stažených obrázky

Výjimky

Výjimka Description
Chyba 0003 K výjimce dochází v případě, že jeden nebo více vstupů má hodnotu null nebo je prázdný.
Chyba 0029 K výjimce dojde, když je předán neplatný identifikátor URI.
Chyba 0009 K výjimce dojde, pokud je nesprávně zadaný název účtu úložiště Azure nebo název kontejneru.
Chyba 0015 K výjimce dojde v případě, že připojení k databázi selhalo.
Chyba 0030 K výjimce dochází v případě, že není možné stáhnout soubor.
Chyba 0049 K výjimce dochází v případě, že není možné parsovat soubor.
Chyba 0048 K výjimce dochází v případě, že není možné otevřít soubor.

Seznam chyb specifických pro moduly sady Studio (classic) najdete v Machine Learning kódy chyb.

Seznam výjimek rozhraní API najdete v tématu Machine Learning REST API kódy chyb.

Viz také

Předem vytrénovaná klasifikace obrázků kaskádová
Seznam modulů A až Z