Importare immagini
Importante
Il supporto dello studio di Azure Machine Learning (versione classica) terminerà il 31 agosto 2024. È consigliabile passare ad Azure Machine Learning entro tale data.
A partire dal 1° dicembre 2021 non sarà possibile creare nuove risorse dello studio di Azure Machine Learning (versione classica). Fino al 31 agosto 2024 sarà possibile continuare a usare le risorse dello studio di Azure Machine Learning (versione classica).
- Vedere leinformazioni sullo spostamento di progetti di Machine Learning da ML Studio (versione classica) ad Azure Machine Learning.
- Altre informazioni sulle Azure Machine Learning.
La documentazione relativa allo studio di Machine Learning (versione classica) è in fase di ritiro e potrebbe non essere aggiornata in futuro.
Carica immagini dall'archiviazione BLOB di Azure in un set di dati
Categoria: Moduli della libreria OpenCV
Nota
Si applica a: Machine Learning Studio (versione classica)
Moduli di trascinamento della selezione simili sono disponibili nella finestra Azure Machine Learning progettazione.
Panoramica del modulo
Questo articolo descrive come usare il modulo Importa immagini in Machine Learning Studio (versione classica) per ottenere più immagini dall'archivio BLOB di Azure e creare un set di dati di immagini da esse.
Quando si usa questo modulo per caricare immagini dall'archivio BLOB nell'area di lavoro, ogni immagine viene convertita in una serie di valori numerici per i canali rosso, verde e blu, insieme al nome del file di immagine. Un set di dati di tali immagini è costituito da più righe in una tabella, ognuna con un set diverso di valori RGB e i nomi dei file di immagine corrispondenti. Per istruzioni su come preparare le immagini e connettersi all'archiviazione BLOB, vedere Come importare immagini.
Dopo aver convertito tutte le immagini, è possibile passare questo set di dati al modulo Score Model (Punteggio modello) e connettere un modello di classificazione delle immagini con training preliminare per stimare il tipo di immagine.
È possibile importare qualsiasi tipo di immagine usata per Machine Learning. Tuttavia, esistono limitazioni, inclusi i tipi e le dimensioni delle immagini che possono essere elaborate, vedere la sezione Note tecniche.
Come usare l'importazione di immagini
Questo esempio presuppone che siano state caricate più immagini nell'account di archiviazione BLOB di Azure. Le immagini sono in un contenitore designato solo a tale scopo. Di norma, ogni immagine deve essere piuttosto piccola e avere le stesse dimensioni e gli stessi canali di colore. Per un elenco dettagliato dei requisiti applicabili alle immagini, vedere la sezione Note tecniche.
Aggiungere il modulo Importa immagini all'esperimento in Studio (versione classica).
Aggiungere il modulo Classificazione immagini a cascata con training preliminare e il modulo Punteggio modello .
Nel modulo Importa immagini configurare il percorso delle immagini e specificare il metodo di autenticazione, privato o pubblico:
Se il set di immagini si trova in un BLOB configurato per l'accesso pubblico tramite firme di accesso condiviso, digitare l'URL del contenitore che contiene le immagini.
Se le immagini vengono archiviate in un account privato in Archiviazione di Azure, selezionare Account e quindi digitare il nome dell'account così come viene visualizzato nel portale di gestione. Incollare quindi la chiave dell'account primario o secondario.
Per Percorso del contenitore digitare solo il nome del contenitore e nessun altro elemento di percorso.
Connessione'output di Importa immagini nel modulo Punteggio modello.
Eseguire l'esperimento.
Risultati
Ogni riga del set di dati di output contiene i dati di un'immagine. Le righe vengono ordinate alfabeticamente in base al nome dell'immagine e le colonne contengono le informazioni seguenti, in questo ordine:
- La prima colonna contiene i nomi delle immagini.
- Tutte le altre colonne contengono dati bidimensionali dai canali di colore rosso, verde e blu, in quest'ordine.
- Il canale relativo alla trasparenza viene ignorato.
A seconda della profondità del colore dell'immagine e del formato dell'immagine, possono essere presenti molte migliaia di colonne per una singola immagine. Pertanto, per visualizzare i risultati dell'esperimento, è consigliabile aggiungere il modulo Seleziona colonne nel set di dati e selezionare solo queste colonne:
- Nome immagine
- Scored Labels
- Probabilità con punteggio
Note tecniche
Questa sezione contiene informazioni dettagliate sull'implementazione, suggerimenti e risposte alle domande frequenti
Formati di immagine supportati
Il modulo Importa immagini determina il tipo di un'immagine leggendo i primi byte del contenuto, non dall'estensione di file. In base a queste informazioni, determina se l'immagine è uno dei formati di immagine supportati.
- Windows file bitmap: .bmp, dib
- File JPEG: jpeg, .jpg, jpe
- File JPEG 2000: .jp2
- Portable Network Graphics: .png
- Formato di immagine portabile: pbm, pgm, ppm
- Sun Raster: .sr, .ras
- File TIFF: tiff, tif
Requisiti dell'immagine
I requisiti seguenti si applicano alle immagini elaborate dal modulo Importa immagini:
- Tutte le immagini devono avere la stessa forma.
- Tutte le immagini devono avere gli stessi canali di colore. Ad esempio, non è possibile combinare immagini in scala di grigi con immagini RBG.
- È previsto un limite di 65536 pixel per ogni immagine. Il numero di immagini, tuttavia, non è limitato.
- Se si specifica un contenitore BLOB come origine, il contenitore non deve contenere altri tipi di dati. Assicurarsi che il contenitore contenga solo immagini prima di eseguire il modulo.
Altre restrizioni
Se si intende usare il modulo Classificazione immagini a cascata con training preliminare , tenere presente che attualmente supporta solo il riconoscimento dei visi nella visualizzazione frontale. altri classificatori di immagini non sono ancora disponibili.
Non è possibile usare set di dati di immagini con questi moduli: Training, Cross-Validate Model.
Parametri del modulo
| Nome | Intervallo | Type | Predefinito | Descrizione |
|---|---|---|---|---|
| Please specify authentication type | Elenco | AuthenticationType | Account | Credenziali pubbliche oppure URI di una firma di accesso condiviso o credenziali utente |
| URI | Qualsiasi | string | Nessuno | Uniform Resource Identifier con firma di accesso condiviso o accesso pubblico |
| Nome account | Qualsiasi | string | Nessuno | Nome dell'account di archiviazione di Azure |
| Chiave dell'account | Qualsiasi | SecureString | Nessuno | Chiave associata all'account di archiviazione di Azure |
| Path to container, directory or blob | Qualsiasi | string | Nessuno | Percorso per il BLOB o nome della tabella |
Output
| Nome | Tipo | Descrizione |
|---|---|---|
| Set di dati di risultati | Tabella dati | Set di dati con immagini scaricate |
Eccezioni
| Eccezione | Descrizione |
|---|---|
| Errore 0003 | Si verifica un'eccezione se uno o più input sono Null o vuoti. |
| Errore 0029 | Si verifica un'eccezione quando viene passato un URI non valido. |
| Errore 0009 | Si verifica un'eccezione se il nome dell'account di Archiviazione di Azure o il nome del contenitore non è stato specificato correttamente. |
| Errore 0015 | Si verifica un'eccezione se la connessione al database non è riuscita. |
| Errore 0030 | Si verifica un'eccezione quando non è possibile scaricare un file. |
| Errore 0049 | Si verifica un'eccezione quando non è possibile analizzare un file. |
| Errore 0048 | Si verifica un'eccezione quando non è possibile aprire un file. |
Per un elenco degli errori specifici dei moduli di Studio (versione classica), vedere Machine Learning codici di errore.
Per un elenco delle eccezioni API, vedere Machine Learning di errore dell'API REST.