Hızlı Başlangıç: Özel Görüntü İşleme web sitesi ile nesne Özel Görüntü İşleme oluşturma

Bu hızlı başlangıçta, nesne algılayıcısı modeli oluşturmak için Özel Görüntü İşleme web sitesini kullanmayı öğrenirsiniz. Bir model derlemenizin ardından yeni görüntülerle test edin ve kendi görüntü tanıma uygulamanıza tümleştirin.

Azure aboneliğiniz yoksa başlamadan önce ücretsiz bir hesap oluşturun.

Önkoşullar

  • Algılayıcı modelinizi eğiten görüntüler kümesi. Veri kümesi üzerinde örnek görüntüler GitHub. Veya aşağıdaki ipuçlarını kullanarak kendi görüntülerinizi seçebilirsiniz.

Kaynak Özel Görüntü İşleme oluşturma

Özel Görüntü İşleme Hizmeti kullanmak için Azure 'da Özel Görüntü İşleme eğitim ve tahmin kaynakları oluşturmanız gerekir. Azure portal bunu yapmak için, oluşturma özel görüntü işleme sayfasındaki iletişim penceresini, hem eğitim hem de tahmin kaynağı oluşturmak için doldurun.

Yeni proje oluşturma

Web tarayıcınızda web sayfasına gidin Özel Görüntü İşleme oturum açın'ı seçin. Hesapta oturum a0 için kullanılan hesapla Azure portal.

Oturum açma sayfasının resmi

  1. İlk projenizi oluşturmak için Yeni proje Project. Yeni proje oluştur iletişim kutusu görüntülenir.

    Yeni proje iletişim kutusunda ad, açıklama ve etki alanları için alanlar vardır.

  2. Proje için bir ad ve açıklama girin. Ardından bir Kaynak Grubu seçin. Oturum açılan hesabınız bir Azure hesabıyla ilişkili ise, Kaynak Grubu açılan listesinde bir Azure Hizmet Kaynağı içeren tüm Azure Özel Görüntü İşleme görüntülenir.

    Not

    Kullanılabilir kaynak grubu yoksa, customvision.ai'de oturum açmak için customvision.ai hesabıyla oturum açtığınızdan Azure portal. Ayrıca, Özel Görüntü İşleme web sitesinde, Azure portal kaynaklarınızı bulunduğu dizinle aynı "Dizin Özel Görüntü İşleme onaylayın. Her iki site de, ekranın sağ üst köşesindeki açılan hesap menüsünden dizininizi seçebilirsiniz.

  3. Project Türleri altında Nesne Algılama'Project seçin.

  4. Ardından, kullanılabilir etki alanlarından birini seçin. Her etki alanı, aşağıdaki tabloda açıklandığı gibi algılayıcıyı belirli görüntü türleri için iyiler. Daha sonra isterseniz etki alanını değiştirebilirsiniz.

    Etki alanı Amaç
    Genel Çok çeşitli nesne algılama görevleri için en iyi duruma getirilmiş. Diğer etki alanlarından hiçbiri uygunsa veya hangi etki alanını seçeceğinizden emin değilseniz Genel etki alanını seçin.
    Logo Görüntülerde marka logolarını bulmak için en iyi duruma getirilmiş.
    Raflardaki ürünler Raflardaki ürünleri algılamak ve sınıflendirmek için en iyi duruma getirilmiş.
    Sıkıştırılmış etki alanları Mobil cihazlarda gerçek zamanlı nesne algılama kısıtlamaları için en iyi duruma getirilmiş. Sıkıştırılmış etki alanları tarafından oluşturulan modeller yerel olarak çalıştırmak için dışarı aktarılabilir.
  5. Son olarak Proje oluştur'a seçin.

Eğitim görüntülerini seçme

En azından, ilk eğitim kümesinde etiket başına en az 30 görüntü kullanmanızı öneririz. Ayrıca, modelinizi eğitilen bir kez test etmek için birkaç ekstra görüntü toplamak isteyeceksiniz.

Modelinizi verimli bir şekilde eğitebilmek için, görüntüleri görsel ile birlikte kullanın. Değişen görüntüleri seçin:

  • kamera açısı
  • aydınlatma
  • arka plan
  • görsel stil
  • bireysel/gruplanmış konu (ler)
  • boyut
  • tür

Ayrıca, tüm eğitim görüntülerinizin aşağıdaki ölçütleri karşıladığından emin olun:

  • .jpg, .png, .bmp veya .gif biçimi
  • boyutu 6MB 'tan büyük değil (tahmin görüntüleri için 4MB)
  • en kısa kenarından 256 pikselden az değildir; Bundan kısa tüm görüntüler Özel Görüntü İşleme Hizmeti göre otomatik olarak ölçeklendirilir

Not

Öğreticinizi tamamlamaya yönelik daha geniş bir görüntü kümesine mi ihtiyacınız var? Microsoft garaj projesi olan Trove, eğitim amaçlarıyla görüntü kümeleri toplamanıza ve satın almanıza olanak tanır. Görüntülerinizi topladıktan sonra bunları indirebilir ve ardından Özel Görüntü İşleme projenize her zamanki şekilde aktarabilirsiniz. Daha fazla bilgi edinmek için Trove sayfasını ziyaret edin.

Görüntüleri karşıya yükleme ve etiketleme

Bu bölümde, algılayıcıyı eğitmek için görüntüleri karşıya yükecek ve el ile etiketleyebilirsiniz.

  1. Görüntü eklemek için Görüntü ekle'yi ve ardından Yerel dosyalara gözat'ı seçin. Görüntüleri karşıya yüklemek için Aç'ı seçin.

    Görüntü ekleme denetimi sol üst köşede ve alt merkezde bir düğme olarak gösterilir.

  2. Karşıya yüklenen görüntülerinizi kullanıcı arabiriminin Etiketsiz bölümünde bulabilirsiniz. Sonraki adım, algılayıcının tanımayı öğrenmesi istediğiniz nesneleri el ile etiketlemektir. Etiketleme iletişim kutusunu açmak için ilk görüntüye tıklayın.

    Etiketsiz bölümünde karşıya yüklenen görüntüler

  3. Görüntünüzde nesnenin çevresinde bir dikdörtgene tıklayın ve sürükleyin. Ardından düğmeyle yeni bir etiket + adı girin veya açılan listeden var olan bir etiketi seçin. Algılayıcı eğitimde negatif bir örnek olarak etiketsiz arka plan alanı kullandığı için algılamak istediğiniz her nesne örneğini etiketlemek önemlidir. Etiketlemeyi bitirin, etiketlerinizi kaydetmek ve sonraki görüntüye devam etmek için sağ üst oka tıklayın.

    Dikdörtgen seçimle nesneyi etiketleme

Başka bir görüntü kümesi yüklemek için bu bölümün üst bölümüne geri dönüp adımları tekrarlayın.

Algılayıcıyı eğitin

Algılayıcı modelini eğitmek için Eğit düğmesini seçin. Algılayıcı tüm geçerli görüntüleri ve etiketlerini kullanarak etiketlenmiş her nesneyi tanımlayan bir model oluşturur.

Web sayfasının üst bilgi araç çubuğunun sağ üst kısmında yer alan eğit düğmesi

Eğitim işlemi yalnızca birkaç dakika sürer. Bu süre boyunca, eğitim süreciyle ilgili bilgiler Performans sekmesinde görüntülenir.

Ana bölümde eğitim iletişim kutusu olan tarayıcı penceresi

Algılayıcıyı değerlendirme

Eğitim tamamlandıktan sonra modelin performansı hesaplanır ve görüntülenir. Özel Görüntü İşleme hizmeti, duyarlık, geri çağırma ve ortalama ortalama duyarlığı hesaplamak için eğitim için göndererek görüntüleri kullanır. Duyarlık ve geri çağırma, bir algılayıcının etkililiğini iki farklı ölçümdür:

  • Duyarlık, tanımlanan sınıflandırmaların doğru olan kesirlerini gösterir. Örneğin modelde 100 görüntü köpek olarak tanımlandı ve bunlardan 99 tanesi aslında köpek ise duyarlık %99 olur.
  • Geri çağırma, doğru şekilde tanımlanan gerçek sınıflandırmaların kesirlerini gösterir. Örneğin, gerçekten 100 apple görüntü olsaydı ve model 80'i apple olarak belirlediyse geri çağırma %80 olurdu.
  • Ortalama ortalama duyarlık, ortalama duyarlığın (AP) ortalama değeridir. AP, duyarlık/geri çağırma eğrisi altındaki alandır (duyarlık yapılan her tahmin için geri çağırmaya göre çizildi).

Eğitim sonuçları genel duyarlık ve geri çağırma ile ortalama duyarlık gösterir.

Olasılık eşiği

Performans sekmesinin sol bölmesindeki olasılık eşiği kaydırıcısını aklınızda edin. Bu, bir tahmine uygun kabul edilmesi için gereken güven düzeyidir (duyarlık ve geri çekmeyi hesaplama amacıyla).

Tahmin çağrılarını yüksek bir olasılık eşiğine göre yorumladığınızda, — algılanan sınıflandırmaların doğru olduğu, ancak çok fazla algılanamayan sınıflandırmalar için yüksek duyarlıklı sonuçları döndürür. Düşük olasılık eşiği, — gerçek sınıflandırmaların büyük bir kısmının algılanmadığına karşın bu küme içinde daha fazla hatalı pozitif sonuç vardır. Bu şekilde, olasılık eşiğini projenizin özel ihtiyaçlarına göre ayarlamanız gerekir. Daha sonra, istemci tarafında tahmin sonuçları aldığınızda, burada kullandığınız olasılık eşiği değerini kullanmanız gerekir.

Çakışma eşiği

Çakışma Eşiği kaydırıcısı, bir nesne tahmininin eğitimde "doğru" olarak de düşünülmesi gereken doğru değerle başa çıktı. Tahmin edilen nesne sınırlayıcı kutusu ile gerçek kullanıcı tarafından girilen sınırlayıcı kutu arasında izin verilen en düşük çakışmayı ayarlar. Sınırlayıcı kutular bu dereceyle çakışmayacaksa tahmin doğru kabul edilir.

Eğitim yinelemelerini yönetme

Algılayıcınızı her eğitip kendi güncelleştirilmiş performans ölçümleriyle yeni bir yineleme oluşturabilirsiniz. Tüm yinelemelerinizi Performans sekmesinin sol bölmesinde görüntüleyebilirsiniz. Sol bölmede, kullanımdan kaldırılmışsa yinelemeyi silmek için kullanabileceğiniz Sil düğmesini de bulabilirsiniz. Bir yinelemeyi silebilirsiniz; bu yinelemeyle benzersiz olarak ilişkilendirilen tüm görüntüleri silersiniz.

Eğitilen modellere program aracılığıyla erişmeyi öğrenmek için bkz. Tahmin API'si ile modelinizi kullanma.

Sonraki adımlar

Bu hızlı başlangıçta, Özel Görüntü İşleme web sitesini kullanarak nesne algılayıcısı modeli oluşturma ve Özel Görüntü İşleme öğrendiniz. Ardından, modelinizi geliştirmenin iterative işlemi hakkında daha fazla bilgi edinebilirsiniz.