이미지 가져오기

Azure BLOB Storage에서 데이터 집합으로 이미지를 로드 합니다.

범주: OpenCV 라이브러리 모듈

참고

적용 대상: Machine Learning Studio (클래식)

이 콘텐츠는 Studio (클래식)에만 해당 됩니다. Azure Machine Learning 디자이너에는 비슷한 끌어서 놓기 모듈이 추가 되었습니다. 이 문서에서는 두 가지 버전을 비교 하는방법에 대해 자세히 알아보세요.

모듈 개요

이 문서에서는 Azure Machine Learning Studio (클래식)에서 이미지 가져오기 모듈을 사용 하 여 Azure Blob 저장소에서 여러 이미지를 가져오고 여기에서 이미지 데이터 집합을 만드는 방법을 설명 합니다.

이 모듈을 사용 하 여 blob 저장소에서 작업 영역으로 이미지를 로드 하면 각 이미지가 이미지 파일 이름과 함께 빨간색, 녹색 및 파랑 채널에 대 한 일련의 숫자 값으로 변환 됩니다. 이러한 이미지의 데이터 집합은 테이블의 여러 행으로 구성 되며 각 행은 서로 다른 RGB 값 집합과 해당 이미지 파일 이름으로 구성 됩니다. 이미지를 준비 하 고 blob storage에 연결 하는 방법에 대 한 지침은 이미지를 가져오는 방법을 참조 하세요.

모든 이미지를 변환한 후에는이 데이터 집합을 모델 점수 매기기 모듈에 전달 하 고 미리 학습 된 이미지 분류 모델을 연결 하 여 이미지 유형을 예측할 수 있습니다.

기계 학습에 사용 되는 모든 종류의 이미지를 가져올 수 있습니다. 그러나 처리할 수 있는 이미지의 유형 및 크기를 비롯 한 제한 사항이 있습니다. 기술 참고 사항 섹션을 참조 하세요.

가져오기 이미지를 사용 하는 방법

이 예에서는 Azure blob storage의 계정에 여러 이미지를 업로드 했다고 가정 합니다. 이미지는 해당 목적 으로만 지정 된 컨테이너에 있습니다. 규칙에 따라 각 이미지는 크기가 작고 크기 및 색 채널이 동일 해야 합니다. 이미지에 적용 되는 요구 사항에 대 한 자세한 목록은 기술 참고 사항 섹션을 참조 하세요.

  1. Studio (클래식)에서 실험에 이미지 가져오기 모듈을 추가 합니다.

  2. 미리 학습 된 계단식 이미지 분류모델 점수 매기기 모듈을 추가 합니다.

  3. 이미지 가져오기 모듈에서 이미지의 위치를 구성 하 고 인증 방법 (개인 또는 공용)을 제공 합니다.

    • 공유 액세스 서명(SAS)을 통해 공용 액세스를 위해 구성 된 blob에 이미지 집합이 있는 경우 이미지를 보유 하는 컨테이너에 대 한 URL을 입력 합니다.

    • 이미지가 Azure storage의 개인 계정에 저장 된 경우 계정 을 선택 하 고 관리 포털에 표시 되는 계정 이름을 입력 합니다. 그런 다음 기본 또는 보조 계정 키를 붙여넣습니다.

    • 컨테이너 경로 에 컨테이너 이름만 입력 하 고 다른 경로 요소는 입력 하지 않습니다.

  4. 가져오기 이미지 의 출력을 모델 점수 매기기 모듈에 연결 합니다.

  5. 실험을 실행합니다.

결과

출력 데이터 집합의 각 행에는 한 이미지의 데이터가 포함 됩니다. 행은 이미지 이름을 기준으로 사전순으로 정렬 되 고, 열은 다음 정보를 순서 대로 포함 합니다.

  • 첫 번째 열에는 이미지 이름을 포함합니다.
  • 다른 모든 열에는 빨간색, 녹색 및 파란색 채널의 평면화된 데이터가 이 순서대로 포함됩니다.
  • 투명도 채널은 무시됩니다.

이미지의 색 깊이와 이미지 형식에 따라 단일 이미지에 대 한 수천 개의 열이 있을 수 있습니다. 따라서 실험의 결과를 보려면 데이터 집합에서 열 선택 모듈을 추가 하 고 다음 열만 선택 하는 것이 좋습니다.

  • 이미지 이름
  • 점수가 매겨진 레이블
  • 점수가 매겨진 확률

기술 참고 사항

이 섹션에는 구현 세부 정보, 팁 및 질문과 대답 (faq)이 포함 되어 있습니다.

지원 되는 이미지 형식

이미지 가져오기 모듈은 파일 확장명이 아니라 콘텐츠의 처음 몇 바이트를 읽어 이미지 유형을 결정 합니다. 이 정보에 따라 이미지가 지원 되는 이미지 형식 중 하나 인지 여부를 확인 합니다.

  • Windows 비트맵 파일: .bmp, .dib
  • JPEG 파일: .jpeg, .jpg, jpe
  • JPEG 2000 파일:. jp2
  • 휴대용 네트워크 그래픽: .png
  • 이식 가능한 이미지 형식: pbm, pgm,. ppm
  • Sun 래스터:. s,.
  • TIFF 파일: tiff, .tif

이미지 요구 사항

이미지 가져오기 모듈에 의해 처리 되는 이미지에는 다음과 같은 요구 사항이 적용 됩니다.

  • 모든 이미지는 같은 모양 이어야 합니다.
  • 모든 이미지의 색 채널이 동일 해야 합니다. 예를 들어 회색조 이미지를 RBG 이미지와 혼합할 수 없습니다.
  • 이미지당 픽셀은 65536개로 제한됩니다. 그러나 이미지 수는 제한되지 않습니다.
  • Blob 컨테이너를 원본으로 지정 하는 경우 컨테이너는 다른 형식의 데이터를 포함 하지 않아야 합니다. 모듈을 실행 하기 전에 컨테이너에 이미지만 포함 되어 있는지 확인 합니다.

기타 제한 사항

모듈 매개 변수

Name 범위 Type 기본값 설명
인증 유형을 지정하세요 목록 AuthenticationType 계정 공용/SAS(공유 액세스 서명) URI 또는 사용자 자격 증명입니다.
URI 모두 String 없음 SAS 또는 공용 액세스 권한이 있는 URI(Uniform Resource Identifier)입니다.
계정 이름 모두 String 없음 Azure 저장소 계정의 이름입니다.
계정 키 모두 SecureString 없음 Azure 저장소 계정과 연결된 키입니다.
컨테이너, 디렉터리 또는 Blob의 경로 모두 String 없음 테이블 이름 또는 Blob의 경로입니다.

출력

Name Type 설명
결과 데이터 집합 데이터 테이블 다운로드한 이미지가 포함된 데이터 집합입니다.

예외

예외 설명
오류 0003 입력 중 하나 이상이 null이거나 비어 있으면 예외가 발생합니다.
오류 0029 잘못된 URI가 전달되면 예외가 발생합니다.
오류 0009 Azure 저장소 계정 이름 또는 컨테이너 이름을 잘못 지정하면 예외가 발생합니다.
오류 0015 데이터베이스 연결이 실패하면 예외가 발생합니다.
오류 0030 파일을 다운로드할 수 없으면 예외가 발생합니다.
오류 0049 파일을 구문 분석할 수 없으면 예외가 발생합니다.
오류 0048 파일을 열 수 없으면 예외가 발생합니다.

스튜디오 (클래식) 모듈과 관련 된 오류 목록은 Machine Learning 오류 코드를 참조 하세요.

API 예외 목록은 Machine Learning REST API 오류 코드를 참조 하세요.

참고 항목

미리 학습 된 계단식 이미지 분류
전체 모듈 목록