Partager via


Sélectionner un domaine pour un projet Custom Vision

Ce guide vous montre comment sélectionner un domaine pour votre projet dans le service Custom Vision.

Sous l’onglet Paramètres de votre projet, dans le portail web Custom Vision, vous pouvez sélectionner un domaine de modèle pour votre projet. Choisissez le domaine le plus proche de votre scénario de cas d’usage. Si vous accédez à Custom Vision par le biais d’une bibliothèque cliente ou d’une API REST, vous devez spécifier un ID de domaine lors de la création du projet. Vous pouvez obtenir une liste des ID de domaine avec Obtenir des domaines. Vous pouvez également utiliser le tableau ci-dessous.

Domaines de classification d’images

Domain Objectif
Généralités Optimisé pour un large éventail de tâches de classification d’images. Si aucun autre domaine spécifique n’est approprié, ou si vous hésitez sur le choix du domaine, sélectionnez un des domaines généraux. ID : ee85a74c-405e-4adc-bb47-ffa8ca0c9f31
General [A1] Optimisé pour une meilleure précision avec un temps d’inférence comparable à celui du domaine General. Recommandé pour les jeux de données volumineux ou les scénarios utilisateur plus difficiles. Ce domaine nécessite un entraînement plus long. ID : a8e3c40f-fb4a-466f-832a-5e457ae4a344
Général [A2] Optimisé pour une meilleure précision avec un temps d’inférence plus rapide que les domaines Général [A1] et Général. Recommandé pour la plupart des jeux de données. Ce domaine nécessite moins de temps d’apprentissage que les domaines Général et Général [A1]. ID : 2e37d7fb-3a54-486a-b4d6-cfc369af0018
Food (Nourriture) Optimisé pour les photographies de plats, tels que vous pouvez les voir dans un menu de restaurant. Si vous souhaitez classer des photographies de fruits ou de légumes distincts, utilisez le domaine Food (Nourriture). ID : c151d5b5-dd07-472a-acc8-15d29dea8518
Landmarks (Monuments et sites) Optimisé pour les monuments et sites reconnaissables, naturels et artificiels. Ce domaine fonctionne mieux lorsque le monument ou le site est clairement visible dans la photographie. Ce domaine fonctionne même si le monument ou le site est légèrement masqué par des personnes placées devant lui. ID : ca455789-012d-4b50-9fec-5bb63841c793
Retail (Commerce) Optimisé pour les images qui se trouvent dans des catalogues de vente ou sur des site Web commerciaux. Si vous souhaitez un classement de grande précision pour des robes, des pantalons et des chemises, utilisez ce domaine. ID : b30a91ae-e3c1-4f73-a81e-c270bff27c39
Compact Domains (Domaines compacts) Optimisés en fonction des contraintes liées à la classification en temps réel sur les périphériques.

Notes

Les domaines Général[A1] et Général[A2] peuvent être utilisés pour un large éventail de scénarios et sont optimisés pour la précision. Utilisez le modèle Général[A2] pour améliorer la vitesse d’inférence et avoir un temps d’apprentissage réduit. Pour les jeux de données plus volumineux, vous souhaiterez peut-être utiliser Général[A1] pour obtenir une meilleure précision que Général[A2], bien que cela nécessite davantage de temps d’apprentissage et d’inférence. Le modèle Général requiert plus de temps d’inférence que Général[A1] et Général[A2].

Domaines de détection d’objet

Domain Objectif
Généralités Optimisé pour un large éventail de tâches de détection d’objets. Si aucun autre domaine n’est approprié, ou si vous hésitez sur le choix du domaine, sélectionnez le domaine Général. ID : da2e3a8a-40a5-4171-82f4-58522f70fbc1
General [A1] Optimisé pour une meilleure justesse avec un temps d’inférence comparable à celui du domaine General. Recommandé pour des besoins de localisation de région plus précis, des jeux de données plus importants ou des scénarios utilisateur plus difficiles. Ce domaine nécessite un entraînement plus long, et les résultats ne sont pas déterministes : attendez-vous à une différence au niveau de la moyenne des précisions moyennes (mAP) de +-1 % avec les mêmes données d’entraînement fournies. ID : 9c616dff-2e7d-ea11-af59-1866da359ce6
Logo Optimisé pour rechercher des logos de marque dans les images. ID : 1d8ffafe-ec40-4fb2-8f90-72b3b6cecea4
Products on shelves (Produits en rayon) Optimisé pour la détection et la classification des produits en rayon. ID : 3780a898-81c3-4516-81ae-3a139614e1f3
Compact Domains (Domaines compacts) Optimisés en fonction des contraintes liées à la détection d'objets en temps réel sur les périphériques.

Domaines compacts

Les modèles générés par les domaines compacts sont exportables pour s’exécuter localement. Dans l’API Custom Vision 3.4 en préversion publique, vous pouvez obtenir la liste des plateformes exportables pour les domaines compacts en appelant l’API GetDomains.

Tous les domaines suivants prennent en charge l’exportation aux formats ONNX, TensorFlow, TensorFlowLite, TensorFlow.js, CoreML et VAIDK, à l’exception du domaine Object Detection General (compact) qui ne prend pas en charge le format VAIDK.

Les performances du modèle varient selon le domaine sélectionné. Le tableau ci-dessous spécifie la taille du modèle et le temps d’inférence sur processeur Intel Desktop et GPU NVidia [1]. Ces chiffres n'incluent pas les délais de prétraitement et de post-traitement.

Tâche Domain id Taille des modèles Temps d'inférence sur processeur Temps d'inférence sur GPU
classification ; General (compact) (Général (compact)) 0732100f-1a38-4e49-a514-c9b44c697ab5 6 Mo 10 ms 5 ms
classification ; General (compact) [S1] (Général (compact) [S1]) a1db07ca-a19a-4830-bae8-e004a42dc863 43 Mo 50 ms 5 ms
Détection d’objets General (compact) (Général (compact)) a27d5ca5-bb19-49d8-a70a-fec086c47f5b 45 Mo 35 ms 5 ms
Détection d’objets General (compact) [S1] (Général (compact) [S1]) 7ec2ac80-887b-48a6-8df9-8b1357765430 14 Mo 27 ms 7 ms

Remarque

Le domaine General (compact) (Général (compact)) pour la détection d’objet nécessite une logique de post-traitement particulière. Pour plus d'informations, un exemple de script est disponible dans le package zip exporté. Si vous avez besoin d'un modèle sans logique de post-traitement, utilisez General (compact) [S1] (Général (compact) [S1]).

Important

Rien ne garantit que les modèles exportés donneront exactement les mêmes résultats que l'API de prédiction du cloud. Une légère différence en termes de plateforme exécutée ou d'implémentation du prétraitement peut donner des résultats très différents avec les modèles. Pour plus d'informations sur la logique de prétraitement, consultez ce document.

[1] Processeur Intel Xeon E5-2690 et NVIDIA Tesla M60

Étapes suivantes

Suivez un guide de démarrage rapide pour commencer à créer et entraîner un projet Custom Vision.