Importera avbildningar

Läser in bilder från Azure BLOB Storage till en datauppsättning

Kategori: OpenCV-biblioteksmoduler

Anteckning

Gäller för: Machine Learning Studio (klassisk)

Det här innehållet gäller endast Studio (klassisk). Liknande dra-och släpp moduler har lagts till i Azure Machine Learning designer. Mer information i den här artikeln är att jämföra de två versionerna.

Modulöversikt

Den här artikeln beskriver hur du använder modulen Importera avbildningar i Azure Machine Learning Studio (klassisk) för att hämta flera bilder från Azure Blob Storage och skapa en bilddatauppsättning från dem.

När du använder den här modulen för att läsa in bilder från Blob Storage till din arbetsyta konverteras varje bild till en serie numeriska värden för de röda, gröna och blå kanalerna, tillsammans med avbildningsfilens namn. En datauppsättning med sådana bilder består av flera rader i en tabell, var och en med en annan uppsättning RGB-värden och motsvarande bildfilnamn. Anvisningar om hur du förbereder dina bilder och ansluter till Blob Storage finns i Så här importerar du avbildningar.

När du har konverterat alla dina bilder kan du skicka datauppsättningen till modulen Poängmodell och ansluta en förtränad bildklassificeringsmodell för att förutsäga bildtypen.

Du kan importera alla typer av avbildningar som används för maskininlärning. Det finns dock begränsningar, inklusive typer och storlek på bilder som kan bearbetas, i avsnittet Tekniska anteckningar.

Så här använder du importavbildningar

Det här exemplet förutsätter att du har laddat upp flera avbildningar till ditt konto i Azure Blob Storage. Avbildningarna finns i en container som endast är avsedd för detta ändamål. Som regel måste varje bild vara ganska liten och ha samma dimensioner och färgkanaler. En detaljerad lista över krav som gäller för bilder finns i avsnittet Tekniska anteckningar.

  1. Lägg till modulen Importera avbildningar i experimentet i Studio (klassisk).

  2. Lägg till modulen Pretrained Cascade Image Classification (Förtränad bildklassificering) och Score Model (Poängmodell).

  3. I modulen Importera avbildningar konfigurerar du platsen för bilderna och anger autentiseringsmetoden privat eller offentlig:

    • Om bilduppsättningen finns i en blob som har konfigureratsför offentlig åtkomst via signaturer för delad åtkomst (SAS) anger du URL:en till containern som innehåller bilderna.

    • Om avbildningarna lagras i ett privat konto i Azure Storage väljer du Konto och skriver sedan kontonamnet så som det visas i hanteringsportalen. Klistra sedan in den primära eller sekundära kontonyckeln.

    • I Sökväg till container skriver du bara containernamnet och inga andra sökvägselement.

  4. Anslut utdata från Import Images (Importera bilder) till modulen Score Model (Poängmodell).

  5. Kör experimentet.

Resultat

Varje rad i utdatauppsättningen innehåller data från en bild. Raderna sorteras alfabetiskt efter bildnamn och kolumnerna innehåller följande information i den här ordningen:

  • Den första kolumnen innehåller bildnamn.
  • Alla andra kolumner innehåller utplattade data från kanaler med röd, grön och blå färg i den ordningen.
  • Transparenskanalen ignoreras.

Beroende på bildens färgdjup och bildformatet kan det finnas tusentals kolumner för en enskild bild. För att visa resultatet av experimentet rekommenderar vi därför att du lägger till modulen Välj kolumner i datauppsättning och endast väljer dessa kolumner:

  • Avbildningens namn
  • Poängsatta etiketter
  • Poängade sannolikheter

Teknisk information

Det här avsnittet innehåller implementeringsinformation, tips och svar på vanliga frågor och svar

Bildformat som stöds

Modulen Importera avbildningar avgör typen av bild genom att läsa de första bytena i innehållet, inte av filnamnstillägget. Baserat på den informationen avgör den om bilden är ett av de bildformat som stöds.

  • Windows bitmappfiler: .bmp, .dib
  • JPEG-filer: .jpeg, .jpg, .jpe
  • JPEG 2000-filer: .jp2
  • Portable Network Graphics: .png
  • Portabelt bildformat: .pbm, .pgm, .ppm
  • Sun Raster: .sr, .ras
  • TIFF-filer: .tiff, .tif

Avbildningskrav

Följande krav gäller för avbildningar som bearbetas av modulen Importera avbildningar:

  • Alla bilder måste ha samma form.
  • Alla bilder måste ha samma färgkanaler. Du kan till exempel inte blanda gråskala avbildningar med RBG-avbildningar.
  • Det finns en gräns på 65536 bildpunkter per bild. Antalet bilder är dock inte begränsat.
  • Om du anger en blobcontainer som källa får containern inte innehålla andra typer av data. Se till att containern endast innehåller avbildningar innan du kör modulen.

Övriga begränsningar

  • Om du tänker använda modulen Pretrained Cascade Image Classification (Förtränad kaskadavbildningsklassificering) bör du vara medveten om att den för närvarande endast stöder igenkänning av ansikten i frontalvy. andra bild klassificerare är inte tillgängliga ännu.

  • Du kan inte använda bilddatauppsättningar med följande moduler: Träna, Kors validera modell.

Modulparametrar

Name Intervall Typ Standardvärde Description
Ange autentiseringstyp Lista AuthenticationType Konto URI för offentlig eller delad åtkomstsignatur (SAS) eller autentiseringsuppgifter för användare
URI Valfri Sträng inget Uniform Resource Identifier med SAS eller offentlig åtkomst
Kontonamn Valfri Sträng inget Namnet på Azure Storage konto
Kontonyckel Valfri SecureString inget Nyckel som är associerad Azure Storage kontot
Sökväg till container, katalog eller blob Valfri Sträng inget Sökväg till blob eller tabellnamn

Utdata

Namn Typ Description
Resultatdatauppsättning Datatabell Datauppsättning med nedladdade bilder

Undantag

Undantag Description
Fel 0003 Undantaget inträffar om en eller flera indata är null eller tomma.
Fel 0029 Undantag inträffar när ogiltig URI skickas.
Fel 0009 Undantaget inträffar om namnet på Azure-lagringskontot eller containernamnet har angetts felaktigt.
Fel 0015 Undantaget inträffar om databasanslutningen har misslyckats.
Fel 0030 Undantaget inträffar när det inte går att ladda ned en fil.
Fel 0049 Undantag inträffar när det inte går att parsa en fil.
Fel 0048 Undantag inträffar när det inte går att öppna en fil.

En lista över fel som är specifika för Studio-moduler (klassisk) finns i Machine Learning felkoder.

En lista över API-undantag finns i Machine Learning REST API felkoder.

Se även

Förtränad bildklassificering av kaskad
A-Z-modullista