Importación de imágenes
Importante
El soporte técnico de Machine Learning Studio (clásico) finalizará el 31 de agosto de 2024. Se recomienda realizar la transición a Azure Machine Learning antes de esa fecha.
A partir del 1 de diciembre de 2021 no se podrán crear recursos de Machine Learning Studio (clásico). Hasta el 31 de agosto de 2024, puede seguir usando los recursos de Machine Learning Studio (clásico) existentes.
- Consulte la información acerca de traslado de proyectos de aprendizaje automático de ML Studio (clásico) a Azure Machine Learning.
- Más información sobre Azure Machine Learning.
La documentación de ML Studio (clásico) se está retirando y es posible que no se actualice en el futuro.
Carga imágenes de Azure BLOB Storage en un conjunto de datos
Categoría: Módulos de la biblioteca OpenCV
Nota:
Solo se aplica a: Machine Learning Studio (clásico)
Hay módulos para arrastrar y colocar similares en el diseñador de Azure Machine Learning.
Información general sobre el módulo
En este artículo se describe cómo usar el módulo Importar imágenes en Machine Learning Studio (clásico) para obtener varias imágenes de Azure Blob Storage y crear un conjunto de datos de imágenes a partir de ellas.
Cuando se usa este módulo para cargar imágenes de Blob Storage en el área de trabajo, cada imagen se convierte en una serie de valores numéricos para los canales rojo, verde y azul, junto con el nombre del archivo de imagen. Un conjunto de datos de estas imágenes consta de varias filas en una tabla, cada una con un conjunto diferente de valores RGB y los nombres de archivo de imagen correspondientes. Para obtener instrucciones sobre cómo preparar las imágenes y conectarse al almacenamiento de blobs, consulte Importación de imágenes.
Después de convertir todas las imágenes, puede pasar este conjunto de datos al módulo Puntuar modelo y conectar un modelo de clasificación de imágenes previamente entrenado para predecir el tipo de imagen.
Puede importar cualquier tipo de imágenes que se usan para el aprendizaje automático. Sin embargo, hay limitaciones, incluidos los tipos y el tamaño de las imágenes que se pueden procesar, consulte la sección Notas técnicas.
Cómo usar importar imágenes
En este ejemplo se supone que ha cargado varias imágenes en su cuenta en Azure Blob Storage. Las imágenes están en un contenedor designado solo para ese propósito. Como regla, cada imagen debe ser bastante pequeña y tener las mismas dimensiones y canales de color. Para obtener una lista detallada de los requisitos que se aplican a las imágenes, consulte la sección Notas técnicas .
Agregue el módulo Importar imágenes al experimento en Studio (clásico).
Agregue la clasificación de imágenes en cascada previamente entrenadas y el módulo Puntuar modelo.
En el módulo Importar imágenes , configure la ubicación de las imágenes y proporcione el método de autenticación, privado o público:
Si el conjunto de imágenes está en un blob que se ha configurado para el acceso público a través de Firmas de acceso compartido (SAS), escriba la dirección URL del contenedor que contiene las imágenes.
Si las imágenes se almacenan en una cuenta privada en Azure Storage, seleccione Cuenta y escriba el nombre de la cuenta tal como aparece en el portal de administración. A continuación, pegue la clave de cuenta principal o secundaria.
En Ruta de acceso al contenedor, escriba solo el nombre del contenedor y ningún otro elemento path.
Conectar la salida de Importar imágenes almódulo Puntuar modelo.
Ejecute el experimento.
Results
Cada fila del conjunto de datos de salida contiene datos de una imagen. Las filas se ordenan alfabéticamente por nombre de imagen y las columnas contienen la siguiente información, en este orden:
- La primera columna contiene los nombres de las imágenes.
- Todas las demás columnas contienen datos planos provenientes de los canales de color rojo, verde y azul, en ese orden.
- La transparencia del canal se omite.
Según la profundidad de color de la imagen y el formato de la imagen, podría haber muchos miles de columnas para una sola imagen. Por lo tanto, para ver los resultados del experimento, se recomienda agregar el módulo Seleccionar columnas en el conjunto de datos y seleccionar solo estas columnas:
- Nombre de imagen
- Etiquetas puntuadas
- Probabilidades puntuadas
Notas técnicas
Esta sección contiene detalles de implementación, sugerencias y respuestas a las preguntas más frecuentes
Formatos de imagen admitidos:
El módulo Importar imágenes determina el tipo de una imagen leyendo los primeros bytes del contenido, no mediante la extensión de archivo. En función de esa información, determina si la imagen es uno de los formatos de imagen admitidos.
- Windows de mapa de bits: .bmp, .dib
- Archivos JPEG: .jpeg, .jpg, .jpe
- Archivos JPEG 2000: .jp2
- Gráficos de red portátiles: .png
- Formato de imagen portátil: .pbm, .pgm, .ppm
- Trama solar: .sr, .ras
- Archivos TIFF: .tiff, .tif
Requisitos de imagen
Los siguientes requisitos se aplican a las imágenes procesadas por el módulo Importar imágenes:
- Todas las imágenes deben tener la misma forma.
- Todas las imágenes deben tener los mismos canales de color. Por ejemplo, no puede mezclar imágenes de escala de grises con imágenes rbg.
- Hay un límite de 65.536 píxeles por imagen. Sin embargo, el número de imágenes no se limita.
- Si especifica un contenedor de blobs como origen, el contenedor no debe contener otros tipos de datos. Asegúrese de que el contenedor contiene solo imágenes antes de ejecutar el módulo.
Otras restricciones
Si piensa usar el módulo Pretrained Cascade Image Classification (Clasificación de imágenes en cascada previamente entrenadas), tenga en cuenta que actualmente solo admite el reconocimiento de caras en la vista frontal. otros clasificadores de imágenes aún no están disponibles.
No puede usar conjuntos de datos de imagen con estos módulos: Entrenar, Validar modelo de forma cruzada.
Parámetros del módulo
| Nombre | Intervalo | Tipo | Valor predeterminado | Descripción |
|---|---|---|---|---|
| Especificar el tipo de autenticación | Lista | AuthenticationType | Cuenta | URI de firma de acceso compartido (SAS) o público o credenciales de usuario |
| URI | Any | Cadena | ninguno | Identificador uniforme de recursos con acceso público o SAS |
| Nombre de la cuenta | Any | Cadena | ninguno | Nombre de la cuenta de almacenamiento de Azure |
| Clave de cuenta | Any | SecureString | ninguno | Clave asociada con la cuenta de almacenamiento de Azure |
| Ruta de acceso al contenedor, directorio o blob | Any | Cadena | ninguno | Ruta de acceso al blob o nombre de tabla |
Output
| Nombre | Tipo | Descripción |
|---|---|---|
| Conjunto de datos de resultados | Tabla de datos | Conjunto de datos con imágenes descargadas |
Excepciones
| Excepción | Descripción |
|---|---|
| Error 0003 | Se produce una excepción si una o varias de las entradas son nulas o están vacías. |
| Error 0029 | Se produce una excepción cuando se pasa un URI no válido. |
| Error 0009 | Se produce una excepción si el nombre del contenedor o el nombre de la cuenta de almacenamiento de Azure se ha especificado de manera incorrecta. |
| Error 0015 | Se produce una excepción si se ha producido un error de conexión de la base de datos. |
| Error 0030 | Se produce una excepción cuando no es posible descargar un archivo. |
| Error 0049 | Se produce una excepción cuando no es posible analizar un archivo. |
| Error 0048 | Se produce una excepción cuando no es posible abrir un archivo. |
Para obtener una lista de errores específicos de los módulos de Studio (clásico), consulte Machine Learning códigos de error.
Para obtener una lista de excepciones de API, consulte Machine Learning códigos de error de la API REST.
Consulte también
Pretrained Cascade Image Classification (clasificación de imágenes en cascada previamente entrenada)
Lista de módulos A-Z