التشغيل السريع: إنشاء نموذج تصنيف الصور باستخدام مدخل Custom Vision

في هذه البداية السريعة، ستتعرف على كيفية استخدام مدخل الويب لـ Custom Vision لإنشاء نموذج تصنيف للصور. بمجرد إنشاء نموذج، يمكنك اختباره بصور جديدة ودمجه في النهاية في تطبيق التعرف على الصور الخاص بك.

في حال لم يكن لديك اشتراك Azure، فأنشئ حساباً مجانيّاً قبل البدء.

المتطلبات الأساسية

  • مجموعة من الصور لتدريب نموذج التصنيف الخاص بك. يمكنك استخدام مجموعة من نماذج الصور على GitHub. أو يمكنك اختيار الصور الخاصة بك باستخدام النصائح أدناه.
  • متصفح الويب المدعوم

إنشاء موارد الرؤية المخصصة

لاستخدام خدمة Custom Vision Service، ستحتاج إلى إنشاء موارد التدريب والتنبؤ لـ Custom Vision في Azure. ولتنفيذ ذلك في مدخل Azure، عليك ملء نافذة الحوار في الصفحة Create Custom Vision لإنشاء كل من موردي تدريب وتنبؤ.

إنشاء مشروع جديد

في متصفح الويب، انتقل إلى صفحة ويب الرؤية المخصصة، وحدد تسجيل الدخول. سجل الدخول باستخدام نفس الحساب الذي استخدمته لتسجيل الدخول إلى مدخل Microsoft Azure.

Image of the sign-in page

  1. لإنشاء المشروع الأول، حدد مشروع جديد. يظهر مربع الحوار إنشاء مشروع جديد.

    The new project dialog box has fields for name, description, and domains.

  2. أدخل اسمًا ووصفًا للمشروع. ثم حدد Custom Vision Training Resource. إذا كان حساب تسجيل الدخول مقترنا بحساب Azure، فإن القائمة المنسدلة Resource تعرض جميع موارد Azure المتوافقة.

    إشعار

    إذا لم يكن هناك مورد متوفر، فيرجى التأكد من تسجيل الدخول إلى customvision.ai بنفس الحساب الذي استخدمته لتسجيل الدخول إلى مدخل Microsoft Azure. أيضًا، يرجى تأكيد أنك حددت "الدليل" نفسه في موقع Custom Vision على الويب كدليل في مدخل Microsoft Azure حيث توجد مواردCustom Vision الخاصة بك. في كلا الموقعَين، يمكنك تحديد دليلك من قائمة الحساب المنسدلة في الزاوية اليمنى العليا من الشاشة.

  3. حدد تصنيف تحت أنواع المشروعات. ثم تحت أنواع التصنيف، اختر إما متعدد العلامات أو متعدد الفئات، اعتمادًا على حالة استخدامك. يطبق تصنيف العلامات المتعددة أي عدد من علاماتك على صورة (صفر أو أكثر)، في حين يصنف التصنيف متعدد الفئات الصور إلى فئات مفردة (سيتم فرز كل صورة ترسلها إلى الوسم الأكثر احتمالاً). ستتمكن من تغيير نوع التصنيف لاحقًا إذا أردت ذلك.

  4. بعد ذلك، حدد أحد المجالات المتوفرة. يعمل كل مجال على تحسين النموذج لأنواع معينة من الصور، كما هو موضح في الجدول التالي. يمكنك تغيير المجال لاحقًا إذا أردت ذلك.

    النطاق الغرض
    العام تم تحسينه لمدى واسع من مهام تصنيف الصور. إذا لم يكن أي من المجالات الأخرى مناسبًا، أو إذا لم تكن متأكدًا من المجال الذي تريد اختياره، فحدد المجال العام.
    الطعام مُحسّن لصور الأطباق كما كنت ستراهم في قائمة مطعم. إذا كنت ترغب في تصنيف الصور الفوتوغرافية للفواكه أو الخضروات الفردية، فاستخدم نطاق الطعام.
    معالم تم تحسينه للمعالم المميزة الطبيعية والاصطناعية على حد سواء. يعمل هذا المجال بشكل أفضل عندما يكون المعلم مرئيًا بوضوح في الصورة. يعمل هذا المجال حتى لو تم إعاقة المعلم قليلاً من قبل الأشخاص أمامه.
    البيع بالتجزئة تم تحسينه للصور الموجودة في كتالوج التسوق أو موقع التسوق. إذا كنت تريد تصنيف عالي الدقة بين الفساتين والسراويل والقمصان، فاستخدم هذا المجال.
    مجالات مضغوطة مُحسن لقيود التصنيف الراهن على الأجهزة النقالة. يمكن تصدير النماذج التي تم إنشاؤها بواسطة المجالات المضغوطة لتشغيلها محليًا.
  5. وأخيرًا، حدد إنشاء مشروع.

قم باختيار صور التدريب

كحد أدنى، نوصيك باستخدام 30 صورة على الأقل لكل علامة في مجموعة التدريب الأولية. ستحتاج أيضًا إلى جمع بعض الصور الإضافية لاختبار نموذجك بمجرد تدريبه.

لتدريب نموذجك بشكل فعال، استخدم الصور ذات التنوع البصري. حدد الصور التي تختلف حسب:

  • زاوية الكاميرا
  • إضاءة
  • الخلفية
  • أسلوب مرئي
  • موضوع (موضوعات) فردية / مجمعة
  • size
  • النوع

بالإضافة إلى ذلك، تأكد من أن جميع صور التدريب الخاصة بك تفي بالمعايير التالية:

  • .jpg أو .png أو .bmp أو .gif
  • لا يزيد حجمها عن 6 ميجابايت (4 ميجابايت لصور التنبؤ)
  • ما لا يقل عن 256 بكسل على أقصر حافة ؛ أي صور أقصر من ذلك سيتم تكبيرها تلقائيًا بواسطة خدمة الرؤية المخصصة

تحميل الصور ووضع علامات عليها

في هذا القسم، يمكنك تحميل الصور ووضع علامة عليها يدويا للمساعدة في تدريب المصنف.

  1. لإضافة صور، حدد إضافة صور ثم حدد استعراض الملفات المحلية. حدد فتح للانتقال إلى الوسم. يتم تطبيق تحديد العلامة على مجموعة الصور بأكملها التي حددت تحميلها، لذلك من الأسهل تحميل الصور في مجموعات منفصلة وفقا لعلاماتها المطبقة. يمكنك أيضا تغيير علامات الصور الفردية بعد تحميلها.

    The add images control is shown in the upper left, and as a button at bottom center.

  2. لإنشاء وسم، أدخل نصًا في الحقل علاماتي واضغط على Enter . إذا كانت العلامة موجودة بالفعل، فستظهر في قائمة منسدلة. في المشروع متعدد العلامات، يمكنك إضافة أكثر من وسم إلى صورك، ولكن في المشروع متعدد الطبقات يمكنك إضافة وسم واحد فقط. لإنهاء تحميل الصور، استخدم زر تحميل [عدد] ملف.

    Image of the tag and upload page

  3. حدد تم بمجرد تحميل الصور.

    The progress bar shows all tasks completed.

لتحميل مجموعة أخرى من الصور، ارجع إلى أعلى هذا القسم وكرر الخطوات.

تدريب المصنف

لتدريب المصنف، اختر الزر تدريب. يستخدم المصنف كافة الصور الحالية لإنشاء نموذج يحدد الصفات المرئية لكل وسم. قد تستغرق هذه العملية عدة دقائق.

The train button in the top right of the web page's header toolbar

يجب أن تستغرق عملية التدريب بضع دقائق فقط. في أثناء هذا الوقت، يتم عرض معلومات حول عملية التدريب في علامة التبويب الأداء.

The browser window with a training dialog in the main section

تقييم المصنف

بعد الانتهاء من التدريب، يتم تقدير أداء النموذج وعرضه. تستخدم خدمة Custom Vision الصور التي قدمتها للتدريب لحساب الدقة، والاستدعاء. الدقة والتذكر هما قياسان مختلفان لفعالية المصنف:

  • الدقة تشير إلى جزء من التصنيفات المحددة التي تم تصحيحها. على سبيل المثال، إذا حدد النموذج 100 صورة ككلب، وكانت 99 منها كلابًا بالفعل، فإن الدقة ستكون 99%.
  • التذكر يشير إلى جزء التصنيفات الفعلية التي تم تحديدها بشكل صحيح. على سبيل المثال، إذا كان هناك بالفعل 100 صورة للتفاح، وحدد النموذج 80 منهم كتفاح، فإن التذكر سيكون 80%.

The training results show the overall precision and recall, and the precision and recall for each tag in the classifier.

حد الاحتمال

لاحظ شريط تمرير عتبة الاحتمال في الجزء الأيمن من علامة التبويب الأداء. هذا هو مستوى الثقة الذي يجب أن يتمتع به التنبؤ لكي يعتبر صحيحا (لأغراض حساب الدقة والاسترجاع).

عند تفسير استدعاءات التوقعات بحد احتمالات عالية، فإنها تميل إلى إرجاع النتائج بدقة عالية على حساب الاسترجاع—التصنيفات المكتشفة صحيحة؛ لكن لا يزال العديد منها غير مكتشف. حد الاحتمالات المنخفضة تفعل العكس—تكون معظم التصنيفات الفعلية مكتشفة؛ لكن هناك المزيد من النتائج الإيجابية الخاطئة داخل تلك المجموعة. مع وضع هذا في الاعتبار، ينبغي لك تعيين عتبة الاحتمالات وفقًا للاحتياجات المحددة لمشروعك. لاحقًا، عندما تتلقى نتائج التوقعات من جانب العميل، ينبغي استخدام قيمة عتبة الاحتمالات ذاتها كما استخدمتها هنا.

إدارة التكرارات التدريبية

في كل مرة تقوم فيها بتدريب المصنف الخاص بك، فإنك تقوم بإنشاء تكرار جديد باستخدام مقاييس الأداء المحدثة. يمكنك عرض كافة التكرارات في الجزء الأيسر من علامة التبويب الأداء. ستجد أيضًا الزر حذف، والذي يمكنك استخدامه لحذف أحد التكرارات إذا كان قديمًا. عندما تحذف تكرارًا، فإنك تحذف أي صور مرتبطة به بشكل فريد.

انظر استخدام النموذج الخاص بك مع واجهة برمجة التطبيقات للتنبؤ لمعرفة كيفية الوصول إلى النماذج المدربة برمجيًا.

الخطوات التالية

في هذه البداية السريعة، تعلمت كيفية إنشاء نموذج تصنيف الصور وتدريبه باستخدام مدخل الويب لـ Custom Vision. بعد ذلك، احصل على مزيد من المعلومات حول العملية التكرارية لتحسين النموذج الخاص بك.