¿Qué es Custom Vision Service?What is the Custom Vision Service?

Custom Vision Service es un servicio de Microsoft Cognitive Services que le permite generar clasificadores personalizados de imágenes.The Custom Vision Service is a Microsoft Cognitive Service that lets you build custom image classifiers. Con este servicio, resulta muy fácil y rápido crear, implementar y mejorar un clasificador de imágenes.It makes it easy and fast to build, deploy, and improve an image classifier. Custom Vision Service cuenta con una API REST y una interfaz web que permite cargar imágenes y entrenar el clasificador.The Custom Vision Service provides a REST API and a web interface to upload your images and train the classifier.

¿Cómo funciona Custom Vision Service?What does Custom Vision Service do well?

Custom Vision Service funciona mejor cuando el elemento que intenta clasificar destaca claramente en la imagen.The Custom Vision Service works best when the item you're trying to classify is prominent in your image.

Para crear un clasificador o detector, se necesitan pocas imágenes.Few images are required to create a classifier or detector. Para iniciar el prototipo, son suficientes 50 imágenes de cada clase.50 images per class are enough to start your prototype. Los métodos que Custom Vision Service se concentran en las diferencias, lo que permite comenzar la creación de prototipos con tan pocos datos.The methods Custom Vision Service uses are robust to differences, which allows you to start prototyping with so little data. Por tanto, Custom Vision Service no funciona bien en escenarios en los que se pretende detectar diferencias sutiles;This means Custom Vision Service is not well suited to scenarios where you want to detect subtle differences. por ejemplo, grietas o abolladuras pequeñas en escenarios de control de calidad.For example, minor cracks or dents in quality assurance scenarios.

Notas de la versiónRelease Notes

7 de mayo de 2018May 7, 2018

  • Se ha incorporado la versión preliminar de la característica de detección de objetos para proyectos con versiones de prueba limitadas.Introduced preview Object Detection feature for Limited Trial projects.
  • Las API se han actualizado a la versión 2.0.Upgrade to 2.0 APIs
  • El nivel S0 se ha ampliado hasta 250 etiquetas y 50 000 imágenes.S0 tier expanded to up to 250 tags and 50,000 images.
  • Se han incorporado mejoras importantes en los componentes back-end de la canalización de aprendizaje automático para los proyectos de clasificación de imágenes.Significant backend improvements to the machine learning pipeline for image classification projects. Los proyectos entrenados después del 27 de abril de 2018 se beneficiarán de estas actualizaciones.Projects trained after April 27, 2018 will benefit from these updates.
  • Se ha agregado la exportación de modelos en ONNX para que pueda usarse con aprendizaje automático de Windows.Added model export to ONNX, for use with Windows ML.
  • Se ha agregado la exportación de modelos en Dockerfile.Added model export to Dockerfile. Esto le permite descargar los artefactos necesarios para generar sus propios contenedores de Windows o Linux, como un archivo DockerFile, un modelo de TensorFlow y un código del servicio.This allows you to download the artifacts to build your own Windows or Linux containers, including a DockerFile, TensorFlow model, and service code.
  • En el caso de los modelos entrenados que acaban de exportarse a TensorFlow en los dominios General (compacto) y Landmark (compacto), ahora los valores medios son (0,0,0) para que sean coherentes en todos los proyectos.For newly trained models exported to TensorFlow in the General (Compact) and Landmark (Compact) Domains, Mean Values are now (0,0,0), for consistency accross all projects.

1 de marzo de 2018March 1, 2018

  • Se ha incorporado una versión preliminar de pago y se ha integrado en Azure Portal.Entered paid preview and onboarded onto the Azure Portal. Ahora, los proyectos pueden vincularse a recursos de Azure utilizando un nivel F0 (gratis) o S0 (estándar).Projects can now be attached to Azure resources with an F0 (Free) or S0 (Standard) tier. Se han incorporado proyectos en el nivel S0, lo que permite tener hasta 100 etiquetas y 25 000 imágenes.Introduced S0 tier projects, which allow up to 100 tags and 25,000 images.
  • Se han realizado cambios en los componentes back-end del parámetro de normalización y la canalización de aprendizaje automático.Backend changes to the machine learning pipeline/normalization parameter. De este modo, los clientes tendrán un mayor control sobre el equilibrio entre precisión y exhaustividad al ajustar el umbral de probabilidad.This will give customers better control of precision-recall tradeoffs when adjusting the Probability Threshold. Como parte de estos cambios, el umbral de probabilidad predeterminado del portal CustomVision.ai se ha establecido en 50 %.As a part of these changes, the default Probability Threshold in the CustomVision.ai portal was set to be 50%.

19 de diciembre de 2017December 19, 2017

  • Se ha incorporado la exportación a Android (TensorFlow), junto con la exportación a iOS (CoreML) publicada anteriormente. Esto permite exportar un modelo compacto entrenado para ejecutarlo sin conexión en una aplicación.Export to Android (TensorFlow) added, in addition to previously released export to iOS (CoreML.) This allows export of a trained compact model to be run offline in an application.
  • Se han agregado los dominios "compactos" Retail y Landmark para permitir la exportaciones de modelos en estos dominios.Added Retail and Landmark "compact" domains to enable model export for these domains.
  • Se ha publicado la versión 1.2 de Training API y la versión 1.1 de Prediction API.Released version 1.2 Training API and 1.1 Prediction API. Las API actualizadas admiten la exportación de modelos, una nueva operación de predicción que no guarda las imágenes en "Predictions" (Predicciones). Además, se han incorporado operaciones por lotes en Training API.Updated APIs support model export, new Prediction operation that does not save images to "Predictions," and introduced batch operations to the Training API.
  • Se han realizado pequeños ajustes en la experiencia del usuario, como la capacidad para ver qué dominio se ha utilizado para entrenar una iteración.UX tweaks, including the ability to see which domain was used to train an iteration.
  • Se ha actualizado el SDK y el ejemplo de C#.Updated C# SDK and sample.

Pasos siguientesNext steps

Aprenda a crear un clasificadorLearn how to build a classifier