Importación de imágenes

Carga imágenes de Azure BLOB Storage en un conjunto de datos

Categoría: módulos de biblioteca OpenCV

Nota

Se aplica a: machine learning Studio (clásico)

Este contenido solo pertenece a Studio (clásico). Se han agregado módulos similares de arrastrar y colocar al diseñador de Azure Machine Learning. Obtenga más información en este artículo comparativa de las dos versiones.

Información general sobre el módulo

En este artículo se describe cómo usar el módulo importar imágenes de Azure machine learning Studio (clásico) para obtener varias imágenes de Azure BLOB Storage y crear un conjunto de datos de imagen a partir de ellas.

Cuando se usa este módulo para cargar imágenes desde el almacenamiento de blobs en el área de trabajo, cada imagen se convierte en una serie de valores numéricos para los canales rojo, verde y azul, junto con el nombre del archivo de imagen. Un conjunto de filas de estas imágenes consta de varias filas en una tabla, cada una con un conjunto diferente de valores RGB y los nombres de archivo de imagen correspondientes. Para obtener instrucciones sobre cómo preparar sus imágenes y conectarse al almacenamiento de blobs, consulte Cómo importar imágenes.

Después de convertir todas las imágenes, puede pasar este conjunto de resultados al módulo puntuar modelo y conectar un modelo de clasificación de imágenes previamente entrenado para predecir el tipo de imagen.

Puede importar cualquier tipo de imagen que se usa para el aprendizaje automático. sin embargo, hay limitaciones, incluidos los tipos y el tamaño de las imágenes que se pueden procesar, consulte la sección notas técnicas .

Cómo usar importar imágenes

En este ejemplo se da por supuesto que ha cargado varias imágenes en su cuenta en Azure BLOB Storage. Las imágenes se encuentran en un contenedor designado solo para ese propósito. Como norma general, cada imagen debe ser bastante pequeña y tener las mismas dimensiones y canales de color. Para obtener una lista detallada de los requisitos que se aplican a las imágenes, consulte la sección notas técnicas .

  1. Agregue el módulo importar imágenes al experimento en Studio (clásico).

  2. Agregue la clasificación de imágenes en cascada previamente entrenada y el módulo score Model (puntuar modelo ).

  3. En el módulo importar imágenes , configure la ubicación de las imágenes y proporcione el método de autenticación, privado o público:

    • Si el conjunto de imágenes se encuentra en un BLOB que se ha configurado para el acceso público a través de firmas de acceso compartido(SAS), escriba la dirección URL del contenedor que contiene las imágenes.

    • Si las imágenes se almacenan en una cuenta privada en Azure Storage, seleccione cuenta y, a continuación, escriba el nombre de la cuenta tal como aparece en el portal de administración. A continuación, pegue la clave de cuenta principal o secundaria.

    • En ruta de acceso al contenedor, escriba solo el nombre del contenedor y ningún otro elemento de la ruta de acceso.

  4. Conecte la salida de las imágenes de importación al módulo score Model (puntuar modelo ).

  5. Ejecute el experimento.

Results

Cada fila del conjunto de datos de salida contiene datos de una imagen. Las filas se ordenan alfabéticamente por nombre de imagen, y las columnas contienen la siguiente información, en este orden:

  • La primera columna contiene los nombres de las imágenes.
  • Todas las demás columnas contienen datos planos provenientes de los canales de color rojo, verde y azul, en ese orden.
  • La transparencia del canal se omite.

En función de la profundidad de color de la imagen y el formato de imagen, puede haber muchos miles de columnas para una sola imagen. Por lo tanto, para ver los resultados del experimento, se recomienda agregar el módulo seleccionar columnas en el conjunto de información y seleccionar solo estas columnas:

  • Nombre de imagen
  • Etiquetas puntuadas
  • Probabilidades puntuadas

Notas técnicas

Esta sección contiene detalles de implementación, sugerencias y respuestas a las preguntas más frecuentes

Formatos de imagen admitidos

El módulo importar imágenes determina el tipo de una imagen mediante la lectura de los primeros bytes del contenido, no de la extensión de archivo. En función de esa información, determina si la imagen es uno de los formatos de imagen admitidos.

  • Archivos de mapa de bits de Windows:. bmp,. dib
  • Archivos JPEG:. JPEG,. jpg,. jpe
  • Archivos JPEG 2000:. jp2
  • Gráficos de red portátiles:. png
  • Formato de imagen portátil:. PBM,. PGM,. ppm
  • Sun Raster:. Sr,. ras
  • Archivos TIFF:. TIFF,. tif

Requisitos de imagen

Los siguientes requisitos se aplican a las imágenes procesadas por el módulo importar imágenes :

  • Todas las imágenes deben tener la misma forma.
  • Todas las imágenes deben tener los mismos canales de color. Por ejemplo, no puede mezclar imágenes de escala de grises con imágenes de RBG.
  • Hay un límite de 65.536 píxeles por imagen. Sin embargo, el número de imágenes no se limita.
  • Si especifica un contenedor de blobs como origen, el contenedor no debe contener otros tipos de datos. Asegúrese de que el contenedor solo contiene imágenes antes de ejecutar el módulo.

Otras restricciones

Parámetros del módulo

Nombre Intervalo Tipo Valor predeterminado Descripción
Especificar el tipo de autenticación List AuthenticationType Cuenta URI de firma de acceso compartido (SAS) o público o credenciales de usuario
URI Any String ninguno Identificador uniforme de recursos con acceso público o SAS
Nombre de cuenta Any String ninguno Nombre de la cuenta de almacenamiento de Azure
Clave de cuenta Any SecureString ninguno Clave asociada con la cuenta de almacenamiento de Azure
Ruta de acceso al contenedor, directorio o blob Any String ninguno Ruta de acceso al blob o nombre de tabla

Output

Nombre Tipo Descripción
Conjunto de datos de resultados Tabla de datos Conjunto de datos con imágenes descargadas

Excepciones

Excepción Descripción
Error 0003 Se produce una excepción si una o varias de las entradas son nulas o están vacías.
Error 0029 Se produce una excepción cuando se pasa un URI no válido.
Error 0009 Se produce una excepción si el nombre del contenedor o el nombre de la cuenta de almacenamiento de Azure se ha especificado de manera incorrecta.
Error 0015 Se produce una excepción si se ha producido un error de conexión de la base de datos.
Error 0030 Se produce una excepción cuando no es posible descargar un archivo.
Error 0049 Se produce una excepción cuando no es posible analizar un archivo.
Error 0048 Se produce una excepción cuando no es posible abrir un archivo.

Para obtener una lista de los errores específicos de los módulos de Studio (clásico), consulte Machine Learning de los códigos de error.

Para obtener una lista de excepciones de API, consulte códigos de error de la API de REST de machine learning.

Vea también

Clasificación de imágenes en cascada previamente entrenada
Lista de módulos A-Z