Azure 指南/計算機視覺

在本節中，我們將介紹 Azure 的另一個有趣功能，計算機視覺。

介紹

它是一種機器學習形式，我們使用不同影像來訓練系統，這些影像被識別為不同的標籤。然後，可以使用這些金鑰在應用程式中進一步使用此模型。請注意，這是一項沒有免費替代品的服務；過去曾有一個“有限試用”選項，但此選項最近已停用。（請記住，微軟確實針對 Azure 提供了不同的促銷活動。）

此外，不使用主入口網站（portal.azure.com）；而是使用 computevision.ai 網站（仍然由微軟提供）。

流程

如上所述，需要 Azure 訂閱。如果沒有，將無法繼續。

• 轉到 computevision.ai 網站，並建立一個新專案。然後將專案分配給資源組，如果需要，建立一個新的資源組。
• 為專案命名，並選擇型別。此部分的選項主要取決於所需的專案型別：您是想識別影像還是影像中的物件？您的專案將基於哪些影像類別？根據您的需求仔細選擇它們。

• 新增您的影像。請注意，每個影像的大小不得超過 6 MB，不能是影片（因為它們難以訓練），並且您只能向整個模型新增 150 張影像。此過程可以重複。[注意：根據您獲取影像的方式，您可能需要進行一些影像清理以刪除無意義的影像。]

可以使用 Bing 影像 CLI 服務快速獲取給定標籤的庫存影像。

• 單擊“訓練”。請注意，如果只有一個標籤，那麼您將收到一條錯誤訊息，提示“您的專案還無法訓練。確保您至少有兩個標籤，並且每個標籤至少有五張影像。”計算機視覺現在將執行一些迭代測試。正如我們在下面看到的那樣，我們的模型相當可靠（儘管通常新增更多模型總是有利於提高可靠性）。

• 使用“快速測試”選項將允許您嘗試您選擇的影像，以便計算機視覺模型進行評估。這是確保模型可靠性的一個非常好的方法。我們的測試影像返回以下結果

標籤	機率
啤酒	99.9%
葡萄酒	0%

如此一邊倒的結果很可能意味著它是準確的（在本例中確實是如此）。

• 準備就緒後，釋出您的迭代。然後，您將能夠獲得用於整合到應用程式中的所需 URL，這些 URL 通常具有以下形式

參見

• 另一個有關計算機視覺的教程。包含可用於本指南的示例影像。