Share via

Изменения в Пользовательском визуальном распознавании

  • Статья

Узнайте о новых возможностях службы. Эти элементы могут включать заметки о выпуске, видео, записи блогов и другие типы информации. Создайте закладку для этой страницы, чтобы получать последние сведения об обновлениях службы.

Май 2022 г.

Предполагаемый минимальный бюджет

  • На портале Пользовательское визуальное распознавание теперь пользователи могут просматривать минимальный предполагаемый бюджет, необходимый для обучения своего проекта. Эта оценка (в часах) рассчитывается на основе объема изображений, отправленных пользователем и выбранного пользователем домена.

2020 октября

Пользовательская базовая модель

  • Некоторые приложения используют большой объем общих обучающих данных, но модели в них настраиваются раздельно. Это повышает производительность при работе с изображениями из разных источников, различия между которыми незначительны. В этом случае первую модель можно обучать обычным образом по большому объему обучающих данных. После этого вызовите TrainProject из API общедоступной предварительной версии 3.4, указав в тексте запроса объект CustomBaseModelInfo, чтобы применить первую обученную модель в качестве базовой для последующих проектов. Если исходный проект и основанный на нем целевой проект используют изображения со сходными характеристиками, можно рассчитывать на повышенную производительность.

Новые сведения о домене

  • Сведения о домене, получаемые через GetDomains в API Пользовательского визуального распознавания общедоступной предварительной версии 3.4, теперь включают поддерживаемые экспортируемые платформы, краткое описание архитектуры модели и размер модели для компактных доменов.

Отзывы о расхождениях при обучении

  • API Пользовательского визуального распознавания общедоступной предварительной версии 3.4 теперь возвращает TrainingErrorDetails при вызове GetIteration. Для неудачных итераций это позволяет определить, была ли ошибка вызвана расхождением при обучении, которое можно устранить путем повышения объема и качества обучающих данных.

Июль 2020

Управление доступом на основе ролей Azure

  • Пользовательское визуальное распознавание поддерживает управление доступом на основе ролей Azure (Azure RBAC), систему авторизации для управления отдельным доступом к ресурсам Azure. Сведения об управлении доступом к проектам Пользовательского визуального распознавания см. в статье об управлении доступом на основе ролей в Azure.

Обучение подмножества

  • При обучении проекта обнаружения объектов по желанию вы можете выполнить обучение с использованием только некоторых из примененных тегов. Это может потребоваться, если вы еще не применили достаточное количество определенных тегов, но у вас достаточно других. Дополнительные сведения см. в кратком руководстве по работе с клиентской библиотекой для C# или Python.

Уведомления службы хранилища Azure

  • Проект "Пользовательское визуальное распознавание" можно интегрировать с очередью Хранилища BLOB-объектов Azure, чтобы получать push-уведомления об обучении или экспорте проекта и о резервных копиях опубликованных моделей. Эта функция позволяет избежать постоянного опроса службы на предмет результатов, когда выполняются длительные операции. Вместо этого уведомления очереди хранилища можно интегрировать в рабочий процесс. Дополнительные сведения см. в статье об интеграции с хранилищем.

Копирование и перемещение проектов

  • Теперь можно копировать проекты из одной учетной записи Пользовательского визуального распознавания в другие. Чтобы повысить безопасность данных, возможно, потребуется переместить проект из среды разработки в рабочую среду или создать резервную копию проекта в учетной записи в другом регионе Azure. Дополнительные сведения см. в статье о копировании и перемещении проектов.

Сентябрь 2019

Предложенные теги

  • Средство Smart Labeler на веб-сайте Пользовательское визуальное распознавание создает предложения по тегам для обучающих изображений. Это позволит вам быстрее присвоить теги большому числу изображений, по которым будет обучаться модель Пользовательского визуального распознавания. Инструкции по использованию этой возможности см. в статье о предложенных тегах.

2019 мая

  • Исправления ошибок и улучшения серверной части
  • Улучшены возможности интерфейса портала, связанные с подписками Azure, что упрощает выбор каталогов Azure.

Апрель 2019 г.

  • Максимальное число ограничивающих прямоугольников для одного изображения увеличено до 200.
  • Исправления, включая существенное повышение производительности для моделей, экспортируемых в TensorFlow.
  • Добавлен экспорт обнаружения объектов для набора средств разработки ИИ компьютерного зрения.
  • Исправления пользовательского интерфейса, включая поиск проектов.

март 2019 г.

  • Служба "Пользовательское визуальное распознавание" стала общедоступной в Azure.
  • Добавлена функция расширенного обучения с новой серверной частью машинного обучения для повышения производительности, особенно для сложных наборов данных и детальной классификации. При использовании расширенного обучения можно указать вычислительное время для обучения и служба "Пользовательское визуальное распознавание" экспериментальным путем установит оптимальные параметры обучения и дополнения. Для быстрых итераций можно продолжить использовать текущий режим быстрого обучения.
  • Появились API-интерфейсы версии 3.0. Объявлено о прекращении поддержки версий API до 3.0 с 1 октября 2019 г. Примеры по началу работы см. в кратких руководствах.
  • В API-интерфейсах версии 3.0 итерации по умолчанию заменены на публикацию и отмену публикации.
  • Добавлены новые целевые объекты экспорта модели. Экспорт Dockerfile обновлен для поддержки ARM для Raspberry Pi 3. Поддержка экспорта добавлена в комплект средств разработки для ИИ для визуального распознавания.
  • Для уровня S0 максимальное число тегов на проект увеличено до 500. Для уровня S0 максимальное число изображений на проект увеличено до 100 000.
  • Удален домен Adult. Вместо него рекомендуется использовать общий домен.
  • Объявлены цены на общедоступную версию.

февраль 2019 г.

  • Объявлено о завершении поддержки проектов ограниченной пробной версии (проектов, не связанных с ресурсом Azure) в связи с приближающимся переводом службы "Пользовательское визуальное распознавание" на этап общедоступной предварительной версии в Azure. Начиная с 25 марта 2019 г. сайт CustomVision.ai будет поддерживать только просмотр проектов, связанных с ресурсом Azure, например бесплатным ресурсом службы "Пользовательское визуальное распознавание". До 1 октября 2019 г. вы по-прежнему сможете получать доступ к существующим ограниченным пробным проектам через API-интерфейсы службы "Пользовательское визуальное распознавание". Это позволит вам обновить ключи API для всех приложений, созданных с помощью службы "Пользовательское визуальное распознавание". После 1 октября 2019 г. все ограниченные пробные проекты, которые вы не переместили в Azure, будут удалены.

январь 2019 г.

  • Добавлена поддержка для новых регионов Azure: "Западная часть США — 2", "Восточная часть США", "Восточная часть США — 2", "Западная Европа", "Северная Европа", "Юго-Восточная Азия", "Восточная Австралия", "Центральная Индия", "Южная часть Соединенного Королевства", "Восточная Япония" и "Центрально-северная часть США". Поддержка по-прежнему действует для региона "Центрально-южная часть США".

декабрь 2018 г.

  • Добавлена поддержка экспорта для моделей обнаружения объектов (представлен компактный домен для обнаружения объектов).
  • Исправлен ряд проблем со специальными возможностями, связанных с улучшенным средством чтения с экрана и поддержкой навигации с помощью клавиатуры.
  • Обновлен пользовательский интерфейс для средства просмотра изображений. Улучшены возможности для более быстрого добавления тегов при обнаружении объектов.
  • Обновлена базовая модель для домена обнаружения объектов, что улучшило обнаружение объектов.
  • Исправления ошибок.

Ноябрь 2018 г.

  • Добавлена поддержка домена Logo (Логотип) в функцию обнаружения объектов.

2018 октября

  • Обнаружение объектов вводит предварительную платную версию. Теперь можно создавать проекты обнаружения объекта с ресурсом Azure.
  • Добавлена ​​функция "Переместить в Azure" на веб-сайт, чтобы было проще обновить проект ограниченной пробной версии для связи с Azure. Связанный проект ресурсов (F0 или S0). Его можно найти на странице "Параметры" для вашего продукта.
  • Добавлен экспорт ONNX 1.2, для поддержки Windows с обновленной версией Windows "Машинное обучение" (октябрь 2018). Исправлены ошибки, включая экспорт ONNX с помощью специальных символов.

Август 2018 г.

  • На сайт customvision.ai добавлено мини-приложение "Начало работы", направляющее пользователя при обучении проекту.
  • Дальнейшее совершенствование конвейера машинного обучения принесет преимущества проектам с большим количеством меток (новый уровень потерь).

2018 июня

  • Обновление пользовательского интерфейса, ориентированное на простоту использования и доступность.
  • Совершенствование конвейера машинного обучения принесет преимущества проектам с большим количеством тегов.
  • Исправлена ошибка в экспорте TensorFlow. Включено управления версиями экспортируемой модели, поэтому итерации можно экспортировать несколько раз.
  • Исправления и улучшения серверной части.
  • Включена классификация по нескольким классам для проектов, где образы имеют ровно одну метку. В прогнозах для режима с несколькими классами вероятности будут суммироваться так, чтобы в сумме составлять до единицы (все изображения классифицируются среди указанных тегов).

Май-2018

  • Появилась предварительная версия возможности обнаружения объекта для проектов в пробной версии с ограниченным временем действия.
  • Обновление до API версии 2.0
  • Уровень S0 теперь вмещает до 250 тегов 50 000 изображений.
  • Значительные улучшения в серверной части конвейера машинного обучения для проектов по классификации изображений. Эти преимущества будут доступны для проектов с обучением после 27 апреля 2018 г.
  • Добавлена модель экспорта в ONNX для использования с машинным обучением Windows.
  • Добавлен экспорт модели в Dockerfile. Это позволяет загрузить артефакты для создания собственных контейнеров Windows или Linux, включая DockerFile, модель TensorFlow и код службы.
  • Для вновь обученных моделей, экспортированных в TensorFlow в доменах "Общее" (компактный) и "Достопримечательность" (компактный), средние значения теперь равны (0,0,0) для согласованности во всех проектах.

март 2018 г.

  • Введение платной предварительной версии и включение на портал Azure. Теперь проекты можно подключить к ресурсам Azure с помощью уровня F0 (Бесплатный) или S0 (Стандартный). Появились проекты уровня S0 с вместимостью 100 тегов и 25 000 изображений.
  • Изменения внутренних служб для конвейера машинного обучения/параметра нормализации. Так клиенты смогут точнее контролировать баланс точности и полноты при настройке порога вероятности. В рамках этих изменений порог вероятности по умолчанию на портале CustomVision.ai был установлен на 50 %.

декабрь 2017 г.

  • Добавлен экспорт в Android (TensorFlow) в дополнение к добавленному ранее экспорту в iOS (CoreML). Благодаря этому обученную компактную модель можно экспортировать автономно в приложении.
  • Добавлены компактные домены "Розничная торговля" и "Достопримечательности" для экспорта модели для этих доменов.
  • Выпущены версии API обучения 1.2 и API прогнозирования 1.1. Обновленные API-интерфейсы поддерживают экспорт моделей, новую операцию прогнозирования, которая не сохраняет изображения в разделе "Прогнозирование", а также пакетные операции в API обучения.
  • Настройки пользовательского интерфейса, включая возможность видеть, какой домен использовался для обучения итерации.
  • Обновленный пакет SDK для C# и пример.

Обновления служб ИИ Azure

Объявления об обновлении Azure для служб ИИ Azure