イメージのインポート

[アーティクル]
05/06/2019

重要

Machine Learning Studio (クラシック) のサポートは、2024 年 8 月 31 日に終了します。その日までに、Azure Machine Learning に切り替えすることをお勧めします。

2021 年 12 月 1 日以降、新しい Machine Learning Studio (クラシック) リソースは作成できません。 2024 年 8 月 31 日まで、既存の Machine Learning Studio (クラシック) リソースを引き続き使用できます。

ML Studio (クラシック) から Azure Machine Learning への機械学習プロジェクトの移動に関する情報を参照してください。
Azure Machine Learning についての詳細を参照してください。

ML Studio (クラシック) のドキュメントは廃止予定であり、今後更新されない可能性があります。

Azure BLOB ストレージからデータセットにイメージを読み込みます

カテゴリ: OpenCV ライブラリモジュール

注意

適用対象: Machine Learning Studio (クラシック)のみ

類似のドラッグアンドドロップモジュールは Azure Machine Learning デザイナーで使用できます。

モジュールの概要

この記事では Machine Learning Studio (クラシック) の [イメージのインポート] モジュールを使用して、Azure Blob storage から複数のイメージを取得し、そこからイメージデータセットを作成する方法について説明します。

このモジュールを使用して blob storage からワークスペースにイメージを読み込むと、各イメージは、赤、緑、および青のチャネルの一連の数値に、イメージファイル名と共に変換されます。このようなイメージのデータセットは、テーブル内の複数の行で構成され、それぞれに異なる RGB 値と対応するイメージファイル名が含まれています。イメージを準備し、blob ストレージに接続する方法の手順については、「イメージをインポートする方法」を参照してください。

すべてのイメージを変換した後、このデータセットをモデルのスコア付けモジュールに渡し、事前トレーニング済みのイメージ分類モデルを接続して、イメージの種類を予測することができます。

Machine learning で使用されるあらゆる種類のイメージをインポートできます。ただし、処理可能なイメージの種類やサイズなどの制限があります。「テクニカルノート」のセクションを参照してください。

インポートイメージの使用方法

この例では、Azure blob ストレージのアカウントに複数のイメージがアップロードされていることを前提としています。イメージは、その目的のためだけに指定されたコンテナー内にあります。ルールとして、各イメージはかなり小さく、同じディメンションとカラーチャネルを持つ必要があります。イメージに適用される要件の詳細な一覧については、「テクニカルノート」を参照してください。

Studio (クラシック) で、インポートイメージモジュールを実験に追加します。
事前トレーニング済みカスケードイメージ分類とモデルのスコア付けモジュールを追加します。
[ イメージのインポート ] モジュールで、イメージの場所を構成し、認証方法として [プライベート] または [パブリック] を指定します。
- 共有アクセス署名(SAS) を使用してパブリックアクセス用に構成されている blob にイメージセットがある場合は、イメージを保持するコンテナーの URL を入力します。
- イメージが Azure storage のプライベートアカウントに格納されている場合は、[ アカウント] を選択し、管理ポータルに表示されるアカウント名を入力します。次に、プライマリまたはセカンダリアカウントキーを貼り付けます。
- [ コンテナーのパス] には、コンテナー名だけを入力し、その他のパス要素は入力しません。
モデルのスコア付けモジュールにインポートイメージの出力を Connect します。
実験を実行します。

結果

出力データセットの各行には、1つのイメージのデータが含まれています。行はイメージ名でアルファベット順に並べ替えられ、列には次の情報が順に含まれます。

最初の列には、イメージの名前が含まれています。
その他すべての列には、赤、緑、および青の色チャネルのフラット化されたデータがこの順序で含まれます。
透過なチャネルは無視されます。

画像の色深度と画像形式によっては、1つのイメージに対して数千の列が存在する場合があります。そのため、実験の結果を表示するには、データセット内の列の選択モジュールを追加し、次の列のみを選択することをお勧めします。

イメージ名
スコア付けラベル
スコア付け確率

テクニカルノート

ここでは、実装の詳細、ヒント、よく寄せられる質問への回答について説明します。

サポートされている画像形式

Import Imagesモジュールは、ファイル拡張子ではなく、コンテンツの最初の数バイトを読み取ることによって、イメージの種類を決定します。その情報に基づいて、イメージがサポートされているイメージ形式のいずれかであるかどうかを判断します。

ビットマップファイルの Windows: .bmp、.dib
JPEG ファイル: .jpeg、.jpg、jpe
JPEG 2000 ファイル:. jp2
ポータブルネットワークグラフィックス: .png
ポータブルイメージ形式:. pbm、pgm、ppm
Sun ラスター:. sr,. ras
TIFF ファイル: tiff、.tif

イメージの要件

Import imagesモジュールによって処理されるイメージには、次の要件が適用されます。

すべてのイメージが同じ図形である必要があります。
すべてのイメージは、同じカラーチャネルを持つ必要があります。たとえば、グレースケールイメージと RBG イメージを混在させることはできません。
イメージあたりのピクセル数は 65536 ピクセルに制限されています。ただし、イメージの数に制限はありません。
Blob コンテナーをソースとして指定する場合、コンテナーに他の種類のデータを含めることはできません。モジュールを実行する前に、コンテナーにイメージだけが含まれていることを確認してください。

その他の制限事項

事前トレーニング済みカスケードイメージ分類モジュールを使用する場合は、正面 view での顔の認識のみが現在サポートされていることに注意してください。その他のイメージ分類子はまだ使用できません。
これらのモジュールでイメージデータセットを使用することはできません: トレーニング、クロス検証モデル。

モジュールのパラメーター

名前	Range	Type	Default	説明
認証の種類を指定してください。	一覧	AuthenticationType	Account	公開または共有アクセス署名 (SAS) の URI またはユーザー資格情報
URI	Any	String	なし	URI (Uniform Resource Identifier) と、SAS またはパブリックアクセス
アカウント名	Any	String	なし	Azure Storage アカウントの名前
アカウントキー	Any	SecureString	なし	Azure Storage アカウントに関連付けられたキー
コンテナー、ディレクトリ、または BLOB へのパス	Any	String	なし	BLOB またはテーブル名へのパス

出力

名前	型	説明
結果のデータセット	データテーブル	ダウンロードしたイメージを含むデータセット

例外

例外	説明
エラー 0003	1 つ以上の入力が null または空の場合に、例外が発生します。
エラー 0029	無効な URI が渡された場合に、例外が発生します。
エラー 0009	Azure Storage アカウント名やコンテナー名が正しく指定されていない場合に、例外が発生します。
エラー 0015	データベース接続に失敗した場合に、例外が発生します。
エラー 0030	ファイルをダウンロードできない場合に、例外が発生します。
エラー 0049	ファイルを解析できない場合に、例外が発生します。
エラー 0048	ファイルを開けない場合に、例外が発生します。

Studio (クラシック) モジュールに固有のエラーの一覧については、「エラーコードMachine Learning参照してください。

API の例外の一覧については、「エラーコードMachine Learning REST API参照してください。

こちらもご覧ください

事前トレーニング済みカスケード画像分類
 モジュールの一覧 (アルファベット順)