快速入門:使用自訂視覺網站建置分類器

在本快速入門中,您將了解如何使用自訂視覺網站建置影像分類模型。 一旦建置了模型,您就可以使用新的影像進行測試,並最終將其整合到您自己的影像辨識應用程式。

如果您沒有 Azure 訂用帳戶,請在開始前建立免費帳戶

必要條件

  • 一組用來定型分類的影像。 如需選擇影像的秘訣,請參閱下文。

建立自訂視覺資源

若要使用自訂視覺服務,您必須在 Azure 中建立自訂視覺定型和預測資源。 若要在 Azure 入口網站中這麼做,請在建立自訂視覺頁面上填寫對話方塊視窗,以建立定型和預測資源。

建立新專案

在網頁瀏覽器中,瀏覽到 自訂視覺網頁,並選取 [登入] 。 請使用您用來登入 Azure 入口網站的相同帳戶進行登入。

[登入] 頁面的影像

  1. 若要建立第一個專案,請選取 [新增專案] 。 [建立新專案] 對話方塊隨即出現。

    [新增專案] 對話方塊提供名稱、描述和領域的欄位。

  2. 輸入專案的名稱和描述。 然後選取一個 [資源群組]。 如果您登入的帳戶與 Azure 帳戶相關聯,[資源群組] 下拉式清單會顯示所有的 Azure 資源群組,包括自訂視覺服務資源。

    注意

    如果沒有資源群組可用,請確認您已使用您用來登入 Azure 入口網站的相同帳戶登入 customvision.ai。 此外,請確認您在自訂視覺網站中選取的「目錄」,與 Azure 入口網站中的目錄相同,也就是您自訂視覺資源的位置。 在這兩個網站中,您可以從畫面右上角的下拉式帳戶功能表選取您的目錄。

  3. 選取 [專案類型] 下的 [分類] 。 然後,在 [分類類型] 下,端視您的使用案例而定,選擇 [多標籤] 或 [多類別] 。 多標籤分類會將任意數目的標記套用至影像 (零或多個),而多類別分類會將影像排序成單一類別 (您提交的每個影像將排序到最可能的標記)。 如果您想要,可以於稍後變更分類類型。

  4. 然後,選取其中一個可用領域。 每個領域都會針對特定類型的影像來將分類器最佳化,如下表所述。 如果您想要,可以稍後變更網域。

    網域 目的
    泛型 已針對廣泛的影像分類工作進行最佳化。 如果沒有其他適用的領域,或您不確定要選擇哪一個領域,請選取「泛型」領域。
    食物 已針對菜餚相片進行最佳化,如同您在餐廳菜單上看見的一樣。 如果您想要將個別水果或蔬菜的相片分類,請使用「食物」領域。
    地標 已針對可辨識的地標 (包括自然和人工) 進行最佳化。 地標在相片中清楚顯示時,此領域的效果最佳。 即使地標前面的人稍微阻擋到該地標,此領域還是能夠運作。
    零售 已針對在購物目錄或購物網站上找到的影像進行最佳化。 如果您想在連衣裙、褲子和襯衫之間進行高精確度的分類,請使用此領域。
    精簡領域 已針對行動裝置上的即時分類條件約束進行最佳化。 精簡領域所產生的模型可以匯出到本機執行。
  5. 最後,選取 [建立專案] 。

選擇定型影像

建議在初始定型集的每個標記使用至少 30 個影像。 您也會想要收集一些額外的影像,來測試已定型的模型。

若要有效地定型您的模型,可使用有不同視覺效果的影像。 選取有下列各種變化的影像:

  • 攝影機角度
  • 光源
  • 背景資訊
  • 視覺效果樣式
  • 單一/群組對象
  • {1}size{2}
  • type

此外,請確定所有的訓練映像符合下列準則:

  • .jpg、.png、.bmp 或 .gif 格式
  • 不大於 6MB (預測影像為 4MB)
  • 最短邊緣不小於 256 像素;任何超過此上限的影像會由自訂視覺服務自動相應增加

注意

您需要一組更廣泛的影像來完成訓練嗎? Trove 是 Microsoft Garage 專案,可讓您收集和購買影像集以供訓練使用。 收集影像之後,您可以下載影像,然後以一般方式將其匯入至自訂視覺專案。 如需深入了解,請造訪 Trove 頁面

上傳和標記影像

在本節中,您將上傳並手動標記影像,以便定型分類器。

  1. 若要新增影像,請選取 [ 新增映射 ],然後選取 [流覽本機檔案]。 選取 [開啟] 以移至標記。 您的標籤選取專案將會套用至您選取要上傳的整個影像群組,因此根據其套用的標籤,將影像上傳至不同的群組會比較容易。 您也可以在上傳影像之後,變更個別影像的標記。

    [新增影像] 控制項會顯示於左上方,並在正下方顯示為按鈕。

  2. 若要建立標記,請在 [我的標記] 欄位中輸入文字,然後按下 [Enter]。 如果標籤已經存在,會出現在下拉式功能表中。 在多標籤的專案中,您可以將多個標記新增到影像,但是,在多類別專案中,只能新增一個標記。 若要完成上傳影像,請使用 [上傳 [number] 個檔案] 按鈕。

    標記和上傳頁面的影像

  3. 一旦上傳影像之後,請選取 [完成] 。

    進度列會顯示所有工作都已完成。

若要上傳另一組影像,請返回本小節的最上端並重複進行步驟。

為分類器定型

若要為分類器定型,請選取 [定型] 按鈕。 分類器會使用所有目前的影像建立模型,以識別每個標籤的視覺品質。

網頁標題工具列右上角的 [定型] 按鈕

此定型程序應該只需要幾分鐘的時間。 在此期間,[效能] 索引標籤會顯示定型程序的相關資訊。

定型對話方塊出現在主要區段的瀏覽器視窗

評估分類器

定型完成之後,將預估並顯示模型的效能。 自訂視覺服務會利用名為 K 次交叉驗證 (英文) 的程序,使用您送出來定型的影像計算精確度和回收。 精確度和回收是衡量分類器效率的兩個不同標準:

  • 精確度 表示識別的正確分類所得到的分數。 例如,如果模型識別 100 張影像為狗,而實際上有 99 張為狗,則精確度為 99%。
  • 回收 表示正確識別實際分類所得到的分數。 例如,如果實際上有 100 張影像為蘋果,而模型識別 80 張為蘋果,則回收為 80%。

定型結果會顯示整體的精確度與記憶度,以及分類器中每個標記的精確度與記憶度。

機率閾值

請注意 [效能] 索引標籤的左窗格中的 [機率 閾值] 滑杆。這是為了計算精確度和召回) 的目的,預測必須具備才能被視為正確 (的信賴等級。

當您以高機率閾值來解讀預測呼叫時,它們傾向於傳回具有高精確度的結果,但其代價是召回率—偵測到的分類正確,但仍有許多分類偵測不到。 低機率閾值的情況相反—偵測到大部分的實際分類,但該集合中有更多誤報。 記住這一點,您應該根據專案的特定需求設定機率閾值。 然後,當您在用戶端接收預測結果時,您應該使用與此處所用的相同機率閾值。

管理定型反覆項目

每次您定型分類器時,都會使用更新的效能度量建立新 反覆項目。 您可以在 [效能] 索引標籤的左窗格中檢視所有的反覆項目。您也會找到 [刪除] 按鈕,以用來刪除已經過時的反覆項目。 您刪除反覆項目時,會刪除唯一與它相關聯的任何影像。

若要了解如何以程式設計方式存取已定型的模型,請參閱使用您的模型搭配預測 API

後續步驟

在本快速入門中,您已了解如何使用自訂視覺網站建立並定型影像分類模型。 接下來,深入瞭解改進模型的反覆程序。