Zelfstudie: Een labelproject maken voor een afbeeldingsclassificatie met meerdere klassenTutorial: Create a labeling project for multi-class image classification

In deze zelfstudie leert u hoe u het proces van afbeeldingen labelen (ook wel Tags toevoegen genoemd) kunt beheren als gegevens voor het compileren van machine learning-modellen.This tutorial shows you how to manage the process of labeling (also referred to as tagging) images to be used as data for building machine learning models. Gegevens labelen in Azure Machine Learning bevindt zich in de openbare preview.Data labeling in Azure Machine Learning is in public preview.

Als u een machine learning model wilt trainen om afbeeldingen te classificeren, hebt u honderden of zelfs duizenden afbeeldingen met een correct label nodig.If you want to train a machine learning model to classify images, you need hundreds or even thousands of images that are correctly labeled. Azure Machine Learning helpt u bij het beheren van de voortgang van uw persoonlijke team van domeinexperts terwijl zij uw gegevens labelen.Azure Machine Learning helps you manage the progress of your private team of domain experts as they label your data.

In deze zelfstudie gebruikt u afbeeldingen van katten en honden.In this tutorial, you'll use images of cats and dogs. Omdat elke afbeelding een kat of hond is, is dit een labelproject met meerdere klassen.Since each image is either a cat or a dog, this is a multi-class labeling project. U leert het volgende:You'll learn how to:

  • Maak een Azure-opslagaccount en upload afbeeldingen naar het account.Create an Azure storage account and upload images to the account.
  • Een Azure Machine Learning-werkruimte maken.Create an Azure Machine Learning workspace.
  • Maak een labelproject voor een afbeelding met meerdere klassen.Create a multi-class image labeling project.
  • Voorzie uw gegevens van een label.Label your data. Uzelf of uw labelers kunnen deze taak uitvoeren.Either you or your labelers can perform this task.
  • Voltooi het project door de gegevens te controleren en te exporteren.Complete the project by reviewing and exporting the data.

VereistenPrerequisites

  • Een Azure-abonnement.An Azure subscription. Als u nog geen abonnement op Azure hebt, maakt u een gratis account aan.If you don't have an Azure subscription, create a free account.

Een werkruimte makenCreate a workspace

Een Azure Machine Learning-werkruimte is een basisblok in de cloud dat u gebruikt voor het experimenteren, trainen en implementeren van machine learning-modellen.An Azure Machine Learning workspace is a foundational resource in the cloud that you use to experiment, train, and deploy machine learning models. De klasse bindt uw Azure-abonnement en resourcegroep aan een eenvoudig te verbruiken object in de service.It ties your Azure subscription and resource group to an easily consumed object in the service.

U maakt een werkruimte via Azure Portal, een webconsole om uw Azure-resources te beheren.You create a workspace via the Azure portal, a web-based console for managing your Azure resources.

  1. Meld u aan bij Azure Portal met behulp van de referenties voor uw Azure-abonnement.Sign in to Azure portal by using the credentials for your Azure subscription.

  2. Selecteer in de linkerbovenhoek van Azure Portal + een resource maken.In the upper-left corner of Azure portal, select + Create a resource.

    Een nieuwe resource maken

  3. Gebruik de zoek balk om machine learningte vinden.Use the search bar to find Machine Learning.

  4. Selecteer machine learning.Select Machine Learning.

  5. Selecteer in het deel venster machine learning de optie maken om te beginnen.In the Machine Learning pane, select Create to begin.

  6. Geef de volgende informatie op om uw nieuwe werk ruimte te configureren:Provide the following information to configure your new workspace:

    VeldField BeschrijvingDescription
    Naam van de werkruimteWorkspace name Voer een unieke naam in die uw werk ruimte identificeert.Enter a unique name that identifies your workspace. In dit voor beeld gebruiken we docs-WS.In this example, we use docs-ws. De namen moeten uniek zijn in de resource groep.Names must be unique across the resource group. Gebruik een naam die gemakkelijk kan worden ingetrokken en om onderscheid te maken tussen werk ruimten die door anderen zijn gemaakt.Use a name that's easy to recall and to differentiate from workspaces created by others.
    AbonnementSubscription Selecteer het Azure-abonnement dat u wilt gebruiken.Select the Azure subscription that you want to use.
    ResourcegroepResource group Gebruik een bestaande resourcegroep in uw abonnement of voer een naam in om een nieuwe resourcegroep te maken.Use an existing resource group in your subscription or enter a name to create a new resource group. Een resource groep bevat gerelateerde resources voor een Azure-oplossing.A resource group holds related resources for an Azure solution. In dit voor beeld gebruiken we docs-AML.In this example, we use docs-aml.
    LocatieLocation Selecteer de locatie die het dichtst bij uw gebruikers ligt en de gegevens bronnen om uw werk ruimte te maken.Select the location closest to your users and the data resources to create your workspace.
    Werkruimte editieWorkspace edition Selecteer Basic als het werkruimte type voor deze zelf studie.Select Basic as the workspace type for this tutorial. Het type werk ruimte (Basic & Enter prise) bepaalt de functies waartoe u toegang hebt en de prijzen.The workspace type (Basic & Enterprise) determines the features to which you’ll have access and pricing. Alles in deze zelf studie kan worden uitgevoerd met een Basic-of ENTER prise-werk ruimte.Everything in this tutorial can be performed with either a Basic or Enterprise workspace.
  7. Nadat u klaar bent met het configureren van de werk ruimte, selecteert u controleren + maken.After you are finished configuring the workspace, select Review + Create.

    Waarschuwing

    Het kan enkele minuten duren om uw werk ruimte in de cloud te maken.It can take several minutes to create your workspace in the cloud.

    Wanneer het proces is voltooid, wordt een bericht over een geslaagde implementatie weer gegeven.When the process is finished, a deployment success message appears.

  8. Als u de nieuwe werk ruimte wilt weer geven, selecteert u Ga naar resource.To view the new workspace, select Go to resource.

Een labelproject beginnenStart a labeling project

Hierna beheert u een project voor het labelen van gegevens in Azure Machine Learning Studio, een geconsolideerde interface met hulpmiddelen voor machine learning waar gegevenswetenschappers, ongeacht hun vaardigheidsniveaus, scenario's kunnen uitvoeren.Next you will manage the data labeling project in Azure Machine Learning studio, a consolidated interface that includes machine learning tools to perform data science scenarios for data science practitioners of all skill levels. De Studio wordt niet ondersteund in Internet Explorer-browsers.The studio is not supported on Internet Explorer browsers.

  1. Meld u aan bij Azure Machine Learning Studio.Sign in to Azure Machine Learning studio.

  2. Selecteer uw abonnement en de werkruimte die u hebt gecreëerd.Select your subscription and the workspace you created.

Een gegevensarchief makenCreate a datastore

Azure Machine Learning gegevensarchieven worden gebruikt voor het opslaan van verbindingsgegevens, zoals uw abonnements-id en token-autorisatie.Azure Machine Learning datastores are used to store connection information, like your subscription ID and token authorization. Hier gebruikt u een gegevensarchief om verbinding te maken met het opslagaccount dat de afbeeldingen bevat voor deze zelfstudie.Here you use a datastore to connect to the storage account that contains the images for this tutorial.

  1. Selecteer Gegevensarchieven aan de linkerkant van uw werkruimte.On the left side of your workspace, select Datastores.

  2. Selecteer + Nieuw gegevensarchief.Select + New datastore.

  3. Vul het formulier in met de volgende instellingen:Fill out the form with these settings:

    VeldField BeschrijvingDescription
    Naam van gegevensarchiefDatastore name Geef een naam op voor het gegevensarchief.Give the datastore a name. Hier gebruiken we labeling_tutorial.Here we use labeling_tutorial.
    Type gegevensarchiefDatastore type Selecteer het type opslag.Select the type of storage. Hier gebruiken we Azure Blob Storage, de voorkeursopslag voor afbeeldingen.Here we use Azure Blob Storage, the preferred storage for images.
    Methode voor account selecterenAccount selection method Selecteer Handmatig invoeren.Select Enter manually.
    URLURL https://azureopendatastorage.blob.core.windows.net/openimagescontainer
    VerificatietypeAuthentication type Selecteer SAS-token.Select SAS token.
    AccountsleutelAccount key ?sv=2019-02-02&ss=bfqt&srt=sco&sp=rl&se=2025-03-25T04:51:17Z&st=2020-03-24T20:51:17Z&spr=https&sig=7D7SdkQidGT6pURQ9R4SUzWGxZ%2BHlNPCstoSRRVg8OY%3D
  4. Selecteer Maken om het gegevensarchief te maken.Select Create to create the datastore.

Labelproject makenCreate a labeling project

Nu u toegang hebt tot de gegevens die u wilt voorzien van een label, maakt u het labelproject.Now that you have access to the data you want to have labeled, create your labeling project.

  1. Selecteer Projecten bovenaan de pagina.At the top of the page, select Projects.

  2. Selecteer + Project toevoegen.Select + Add project.

    Een project maken

ProjectgegevensProject details

  1. Gebruik de volgende invoer voor het formulier Projectgegevens:Use the following input for the Project details form:

    VeldField BeschrijvingDescription
    ProjectnaamProject name Geef uw project een naam.Give your project a name. Hier gebruiken we tutorial-cats-n-dogs.Here we'll use tutorial-cats-n-dogs.
    Taaktype voor labelenLabeling task type Selecteer Afbeeldingsclassificatie meerdere klassen.Select Image Classification Multi-class.

    Selecteer Volgende om door te gaan met het maken van het project.Select Next to continue creating the project.

Een gegevensset selecteren of makenSelect or create a dataset

  1. Selecteer op het formulier Een gegevensset selecteren of maken de tweede keuze, Een gegevensset maken en selecteer vervolgens de koppeling Vanuit gegevensarchief.On the Select or create a dataset form, select the second choice, Create a dataset, then select the link From datastore.

  2. Gebruik de volgende invoer voor het formulier Gegevensset maken vanuit gegevensarchief:Use the following input for the Create dataset from datastore form:

    1. Voeg op het formulier Basisgegevens een naam toe. Hier gebruiken we images-for-tutorial.On the Basic info form, add a name, here we'll use images-for-tutorial. Voeg desgewenst een beschrijving toe.Add a description if you wish. Selecteer vervolgens Volgende.Then select Next.
    2. Op het formulier Selectie gegevensarchief gebruikt u de vervolgkeuzelijst om uw Eerder gemaakte gegevensarchief te selecteren, bijvoorbeeld tutorial_images (Azure Blob Storage)On the Datastore selection form, use the dropdown to select your Previously created datastore, for example tutorial_images (Azure Blob Storage)
    3. Selecteer vervolgens op het formulier Selectie gegevensarchief Bladeren en selecteer vervolgens MultiClass - DogsCats.Next, still on the Datastore selection form, select Browse and then select MultiClass - DogsCats. Selecteer Opslaan om /MultiClass - DogsCats als pad te gebruiken.Select Save to use /MultiClass - DogsCats as the path.
    4. Selecteer Volgende om de details te bevestigen en vervolgens Maken om de gegevensset te maken.Select Next to confirm details and then Create to create the dataset.
    5. Selecteer in de lijst de cirkel naast de naam van de gegevensset, bijvoorbeeld images-for-tutorial.Select the circle next to the dataset name in the list, for example images-for-tutorial.
  3. Selecteer Volgende om door te gaan met het maken van het project.Select Next to continue creating the project.

Incrementeel vernieuwenIncremental refresh

Als u van plan bent nieuwe installatiekopieën toe te voegen aan uw gegevensset, worden deze nieuwe installatiekopieën met incrementeel vernieuwen gevonden en toegevoegd aan uw project.If you plan to add new images to your dataset, incremental refresh will find these new images and add them to your project. Wanneer u deze functie inschakelt, controleert het project regelmatig of er nieuwe installatiekopieën zijn.When you enable this feature, the project will periodically check for new images. U voegt voor deze zelfstudie geen nieuwe installatiekopieën toe aan het gegevensarchief. Zorg er daarom voor dat deze functie is uitgeschakeld.You won't be adding new images to the datastore for this tutorial, so leave this feature unchecked.

Selecteer Volgende om door te gaan.Select Next to continue.

LabelklassenLabel classes

  1. Typ in het formulier Labelklassen de naam van een label en selecteer vervolgens + Label toevoegen om het volgende label te typen.On the Label classes form, type a label name, then select +Add label to type the next label. Voor dit project zijn de labels Kat, Honden Onzeker.For this project, the labels are Cat, Dog, and Uncertain.

  2. Selecteer Volgende wanneer u alle labels hebt toegevoegd.Select Next when have added all the labels.

Instructies voor labelenLabeling instructions

  1. Op het formulier Instructies voor het labelen kunt u een koppeling naar een website geven die uw labelers gedetailleerde instructies biedt.On the Labeling instructions form, you can provide a link to a website that provides detailed instructions for your labelers. Voor deze zelfstudie laten we dit leeg.We'll leave it blank for this tutorial.

  2. U kunt ook een korte beschrijving van de taak rechtstreeks op het formulier toevoegen.You can also add a short description of the task directly on the form. Typ Zelfstudie over labels - katten en honden.Type Labeling tutorial - Cats & Dogs.

  3. Selecteer Next.Select Next.

  4. Schakel het selectievakje in het gedeelte Door ML ondersteund labelen niet in.In the ML assisted labeling section, leave the checkbox unchecked. Voor labelen met ML-ondersteuning zijn meer gegevens nodig dan in deze zelfstudie worden gebruikt.ML assisted labeling requires more data than you'll be using in this tutorial.

  5. Selecteer Project maken.Select Create project.

Deze pagina wordt niet automatisch vernieuwd.This page doesn't automatically refresh. Vernieuw de pagina na een onderbreking handmatig om de status van het project te wijzigen in Gemaakt.After a pause, manually refresh the page until the project's status changes to Created.

Beginnen met labelenStart labeling

U hebt nu uw Azure-resources ingesteld en een project voor het labelen van gegevens geconfigureerd.You have now set up your Azure resources, and configured a data labeling project. Het is tijd om labels toe te voegen aan uw gegevens.It's time to add labels to your data.

De afbeeldingen taggenTag the images

In dit gedeelte van de zelfstudie schakelt u over van functie, namelijk van Projectbeheerder naar Labeler.In this part of the tutorial, you'll switch roles from the project administrator to that of a labeler. Iedereen met inzendertoegang tot uw werkruimte kan een labeler worden.Anyone who has contributor access to your workspace can become a labeler.

  1. Selecteer in Machine Learning Studio Gegevens labelen aan de linkerkant om het project te vinden.In Machine Learning studio, select Data labeling on the left-hand side to find your project.

  2. Selecteer Labelkoppeling voor het project.Select Label link for the project.

  3. Lees de instructies en selecteer vervolgens Taken.Read the instructions, then select Tasks.

  4. Selecteer een miniatuurafbeelding aan de rechterkant om het aantal afbeeldingen dat u wilt labelen in één keer weer te geven.Select a thumbnail image on the right to display the number of images you wish to label in one go. U moet al deze afbeeldingen labelen voordat u door kunt gaan.You must label all these images before you can move on. Verander de opmaak alleen wanneer u een nieuwe pagina met niet-gelabelde gegevens hebt.Only switch layouts when you have a fresh page of unlabeled data. Door de opmaak te veranderen, wordt het werk op de pagina dat u al hebt getagd, gewist.Switching layouts clears the page's in-progress tagging work.

  5. Selecteer een of meer afbeeldingen en selecteer vervolgens een tag om toe te passen op de selectie.Select one or more images, then select a tag to apply to the selection. De tag wordt onder de afbeelding weergegeven.The tag appears below the image. Ga door met het selecteren en taggen van alle afbeeldingen op de pagina.Continue to select and tag all images on the page. Als u alle weergegeven afbeeldingen tegelijk wilt selecteren, selecteert u Alle selecteren.To select all the displayed images simultaneously, select Select all. Selecteer ten minste één afbeelding om te taggen.Select at least one image to apply a tag.

    Tip

    U kunt de eerste negen tags selecteren met behulp van de cijfertoetsen op uw toetsenbord.You can select the first nine tags by using the number keys on your keyboard.

  6. Als alle afbeeldingen op de pagina zijn getagd, selecteert u Indienen om deze labels in te dienen.Once all the images on the page are tagged, select Submit to submit these labels.

    Afbeeldingen taggen

  7. Nadat u tags voor de beschikbare gegevens hebt ingediend, wordt de pagina vernieuwd met een nieuwe set afbeeldingen uit de werkwachtrij.After you submit tags for the data at hand, Azure refreshes the page with a new set of images from the work queue.

Het project voltooienComplete the project

Nu neemt u weer de rol van projectbeheerder aan voor het labelproject.Now you'll switch roles back to the project administrator for the labeling project.

Als beheerder wilt u mogelijk het werk van uw labeler bekijken.As a manager, you may want to review the work of your labeler.

Gelabelde gegevens beoordelenReview labeled data

  1. Selecteer in Machine Learning Studio Gegevens labelen aan de linkerkant om het project te vinden.In Machine Learning studio, select Data labeling on the left-hand side to find your project.

  2. Selecteer de koppeling van de projectnaam.Select the project name link.

  3. In het dashboard ziet u de voortgang van het project.The Dashboard shows you the progress of your project.

  4. Selecteer Gegevens bovenaan de pagina.At the top of the page, select Data.

  5. Selecteer aan de linkerkant Gelabelde gegevens om uw getagde afbeeldingen weer te geven.On the left side, select Labeled data to see your tagged images.

  6. Wanneer u het niet eens bent met een label, selecteert u de afbeelding en selecteert u Afwijzen onderaan de pagina.When you disagree with a label, select the image and then select Reject at the bottom of the page. De tags worden verwijderd en de afbeelding wordt teruggeplaatst in de wachtrij met niet-gelabelde afbeeldingen.The tags will be removed and the image is put back in the queue of unlabeled images.

Gelabelde gegevens exporterenExport labeled data

U kunt de labelgegevens voor Machine Learning-experimenten op elk gewenst moment exporteren.You can export the label data for Machine Learning experimentation at any time. Gebruikers exporteren vaak meerdere keren en trainen verschillende modellen, in plaats van te wachten tot alle afbeeldingen zijn gelabeld.Users often export multiple times and train different models, rather than wait for all the images to be labeled.

Labels van afbeeldingen kunnen worden geëxporteerd in COCO-indeling of als een Azure Machine Learning-gegevensset.Image labels can be exported in COCO format or as an Azure Machine Learning dataset. Met de gegevenssetindeling kunt u het eenvoudig gebruiken voor training in Azure Machine Learning.The dataset format makes it easy to use for training in Azure Machine Learning.

  1. Selecteer in Machine Learning Studio Gegevens labelen aan de linkerkant om het project te vinden.In Machine Learning studio, select Data labeling on the left-hand side to find your project.

  2. Selecteer de koppeling van de projectnaam.Select the project name link.

  3. Selecteer Exporteren en kies Exporteren als Azure ML-gegevensset.Select Export and choose Export as Azure ML Dataset.

    De status van de export wordt direct onder de knop Exporteren weergegeven.The status of the export appears just below the Export button.

  4. Zodra de labels zijn geëxporteerd, selecteert u Gegevenssets aan de linkerkant om de resultaten weer te geven.Once the labels are successfully exported, select Datasets on the left side to view the results.

Resources opschonenClean up resources

Belangrijk

De resources die u hebt gemaakt kunnen worden gebruikt als de vereisten voor andere Azure Machine Learning-zelfstudies en artikelen met procedures.The resources you created can be used as prerequisites to other Azure Machine Learning tutorials and how-to articles.

Als u niet van plan bent om gebruik te maken van de resources die u hebt gemaakt, kunt u ze verwijderen zodat er geen kosten voor in rekening worden gebracht:If you don't plan to use the resources you created, delete them, so you don't incur any charges:

  1. Selecteer Resourcegroepen links in Azure Portal.In the Azure portal, select Resource groups on the far left.

    Verwijderen in Azure PortalDelete in the Azure portal

  2. Selecteer de resourcegroep die u eerder hebt gemaakt uit de lijst.From the list, select the resource group you created.

  3. Selecteer Resourcegroep verwijderen.Select Delete resource group.

  4. Voer de naam van de resourcegroup in.Enter the resource group name. Selecteer vervolgens Verwijderen.Then select Delete.

Volgende stappenNext steps

In deze zelfstudie hebt u afbeeldingen gelabeld.In this tutorial, you labeled images. Gebruik nu uw gelabelde gegevens:Now use your labeled data: