Importieren von Bildern

Lädt Images aus Azure BLOB Storage in ein DataSet.

Kategorie: opencv-Bibliotheks Module

Hinweis

Gilt für: Machine Learning Studio (klassisch)

Dieser Inhalt bezieht sich nur auf Studio (klassisch). Ähnliche Drag & Drop-Module wurden Azure Machine Learning-Designer hinzugefügt. Weitere Informationen finden Sie in diesem Artikel zum Vergleich der beiden Versionen.

Modulübersicht

In diesem Artikel wird beschrieben, wie Sie das Modul zum Importieren von Images in Azure Machine Learning Studio (klassisch) verwenden, um mehrere Images aus Azure BLOB Storage zu erhalten und aus Ihnen ein Image DataSet zu erstellen.

Wenn Sie dieses Modul zum Laden von Images aus BLOB Storage in Ihren Arbeitsbereich verwenden, wird jedes Image in eine Reihe numerischer Werte für die roten, grünen und blauen Kanäle sowie den Bilddateinamen konvertiert. Ein DataSet solcher Bilder besteht aus mehreren Zeilen in einer Tabelle, die jeweils über einen anderen Satz von RGB-Werten und die entsprechenden Bilddateinamen verfügen. Anweisungen zum Vorbereiten der Images und zum Herstellen einer Verbindung mit BLOB Storage finden Sie unter How to Import Images (Importieren von Images).

Nachdem Sie alle Images konvertiert haben, können Sie dieses DataSet an das Modul Score Model übergeben und ein vortrainiertes Bild Klassifizierungs Modell verbinden, um den Bildtyp vorherzusagen.

Sie können jede Art von Images importieren, die für Machine Learning verwendet werden. Es gibt jedoch Einschränkungen, einschließlich der Typen und der Größe von Abbild Dateien, die verarbeitet werden können. Weitere Informationen finden Sie im Abschnitt Technische Hinweise .

Verwenden von Import Images

In diesem Beispiel wird davon ausgegangen, dass Sie mehrere Images in Ihr Konto in Azure BLOB Storage hochgeladen haben. Die Images befinden sich in einem Container, der nur für diesen Zweck bestimmt ist. Als Regel muss jedes Image recht klein sein und über die gleichen Dimensionen und Farbkanäle verfügen. Eine ausführliche Liste der Anforderungen, die für Images gelten, finden Sie im Abschnitt Technische Hinweise .

  1. Fügen Sie das Modul zum Importieren von Images Ihrem Experiment in Studio (klassisch) hinzu.

  2. Fügen Sie die Vortrainierte Cascade Image Classification und das Score Model -Modul hinzu.

  3. Konfigurieren Sie im Modul Import Images den Speicherort der Images, und geben Sie die Authentifizierungsmethode private oder Public an:

    • Wenn sich der Bildsatz in einem BLOB befindet, das über SAS ( Shared Access Signature) für den öffentlichen Zugriff konfiguriert wurde, geben Sie die URL für den Container ein, der die Images enthält.

    • Wenn die Images in einem privaten Konto in Azure Storage gespeichert sind, wählen Sie Konto aus, und geben Sie dann den Kontonamen ein, der im Verwaltungs Portal angezeigt wird. Fügen Sie dann den primären oder sekundären Kontoschlüssel ein.

    • Geben Sie für Pfad zum Container nur den Container Namen und keine anderen Pfad Elemente ein.

  4. Verbinden Sie die Ausgabe von Images importieren mit dem Modul Score Model .

  5. Führen Sie das Experiment aus.

Ergebnisse

Jede Zeile des Ausgabe Datasets enthält Daten aus einem Bild. Die Zeilen werden alphabetisch nach dem Bildnamen sortiert, und die Spalten enthalten die folgenden Informationen in dieser Reihenfolge:

  • Die erste Spalte enthält die Bildnamen.
  • Alle anderen Spalten enthalten zusammengefasste Daten aus den roten, grünen und blauen Farbkanälen (in dieser Reihenfolge).
  • Der Transparenzkanal wird ignoriert.

Abhängig von der Farbtiefe des Bilds und des Bildformats können für ein einzelnes Bild viele tausend Spalten vorhanden sein. Um die Ergebnisse des Experiments anzuzeigen, empfiehlt es sich daher, das Modul select columns in DataSet hinzuzufügen und nur die folgenden Spalten auszuwählen:

  • Imagename
  • Scored Labels (Bewertete Bezeichnungen)
  • Scored Probabilities (Bewertete Wahrscheinlichkeiten)

Technische Hinweise

Dieser Abschnitt enthält Implementierungsdetails, Tipps und Antworten auf häufig gestellte Fragen.

Unterstützte Bildformate

Das Modul zum Importieren von Images bestimmt den Typ eines Bilds, indem die ersten Bytes des Inhalts gelesen werden, nicht die Dateierweiterung. Basierend auf diesen Informationen wird ermittelt, ob das Image eines der unterstützten Bildformate ist.

  • Windows-Bitmapdateien:. BMP,. DIB
  • JPEG-Dateien:. JPEG,. jpg,. jpe
  • JPEG 2000-Dateien:. JP2
  • Portable Network Graphics:. png
  • Portables Bildformat:. PBM,. PGM,. ppm
  • Sun Raster:. SR,. RAS
  • TIFF-Dateien:. TIFF,. TIF

Bildanforderungen

Die folgenden Anforderungen gelten für Images, die vom Modul zum Importieren von Images verarbeitet werden:

  • Alle Bilder müssen die gleiche Form aufweisen.
  • Alle Bilder müssen über die gleichen Farbkanäle verfügen. Beispielsweise können Sie Graustufenbilder nicht mit RBG-Images mischen.
  • Pro Bild sind maximal 65.536 Pixel zulässig. Die Anzahl der Bilder ist jedoch nicht beschränkt.
  • Wenn Sie einen BLOB-Container als Quelle angeben, darf der Container keine anderen Datentypen enthalten. Stellen Sie sicher, dass der Container nur Bilder enthält, bevor Sie das Modul ausführen.

Weitere Einschränkungen

  • Wenn Sie beabsichtigen, das Vortrainierte Cascade Image Classification Module zu verwenden, beachten Sie, dass es derzeit nur das Erkennen von Gesichtern in der Frontalansicht unterstützt. andere Bild Klassifizierungen sind noch nicht verfügbar.

  • Sie können keine Image Datasets mit den folgenden Modulen verwenden: Train, Cross-Validate Model.

Modulparameter

Name Range type Standard BESCHREIBUNG
Please specify authentication type List AuthenticationType Konto Öffentlicher oder SAS-URI (Shared Access Signature) oder Benutzeranmeldeinformationen
URI Any String Keine URI (Uniform Resource Identifier) mit SAS- oder öffentlichem Zugriff
Kontoname Any String Keine Der Name des Azure-Speicherkontos.
Kontoschlüssel Any SecureString Keine Der Schlüssel, der dem Azure-Speicherkonto zugeordnet ist.
Path to container, directory or blob Any String Keine Der Pfad zum Blob oder der Name einer Tabelle

Output

Name Typ BESCHREIBUNG
Ergebnisdataset Datentabelle Dataset mit den heruntergeladenen Bildern

Ausnahmen

Ausnahme Beschreibung
Fehler 0003 Eine Ausnahme tritt auf, wenn mindestens eine Eingabe NULL oder leer ist.
Fehler 0029 Eine Ausnahme tritt auf, wenn ein ungültiger URI übergeben wird.
Fehler 0009 Eine Ausnahme tritt auf, wenn der Kontoname oder Containername für den Azure-Speicher falsch angegeben ist.
Fehler 0015 Eine Ausnahme tritt auf, wenn die Verbindung mit der Datenbank fehlgeschlagen ist.
Fehler 0030 Eine Ausnahme tritt auf, wenn es nicht möglich ist, eine Datei herunterzuladen.
Fehler 0049 Eine Ausnahme tritt auf, wenn es nicht möglich ist, eine Datei zu analysieren.
Fehler 0048 Eine Ausnahme tritt auf, wenn es nicht möglich ist, eine Datei zu öffnen.

Eine Liste der Fehler, die für Studio-Module (klassisch) spezifisch sind, finden Sie unter Machine Learning Fehlercodes.

Eine Liste der API-Ausnahmen finden Sie unter Machine Learning Rest-API-Fehler Codes.

Weitere Informationen

Vortrainierte Cascade-Bild Klassifizierung
Modulliste von A bis Z