Tartomány kiválasztása Custom Vision-projekthez

  • Cikk

Ez az útmutató bemutatja, hogyan választhat tartományt a projekthez a Custom Vision Service-ben.

A projekt Beállítások lapján a Custom Vision webportálon kiválaszthatja a projekthez tartozó modelltartományt. Válassza ki a használati esethez legközelebb eső tartományt. Ha ügyfélkódtáron vagy REST API-on keresztül éri el a Custom Visiont, a projekt létrehozásakor meg kell adnia egy tartományazonosítót. A Tartomány lekérése lehetőséggel lekérheti a tartományazonosítók listáját. Vagy használja az alábbi táblázatot.

Képbesorolási tartományok

Tartomány Cél
Általános Képbesorolási feladatok széles körére optimalizálva. Ha a többi tartomány egyike sem megfelelő, vagy nem biztos abban, hogy melyik tartományt válassza, válassza ki az általános tartományok egyikét. ID: ee85a74c-405e-4adc-bb47-ffa8ca0c9f31
Általános [A1] Jobb pontosságra optimalizálva, általános tartományként összehasonlítható következtetési idővel. Nagyobb adathalmazokhoz vagy nehezebb felhasználói forgatókönyvekhez ajánlott. Ez a tartomány több betanítási időt igényel. ID: a8e3c40f-fb4a-466f-832a-5e457ae4a344
Általános [A2] Jobb pontosságra van optimalizálva, gyorsabb következtetési idővel, mint az Általános[A1] és az általános tartományok. A legtöbb adathalmazhoz ajánlott. Ez a tartomány kevesebb betanítási időt igényel, mint az általános és az általános [A1] tartományok. ID: 2e37d7fb-3a54-486a-b4d6-cfc369af0018
Élelmiszer Az ételek fényképeihez optimalizálva, ahogy egy éttermi menüben látni fogja őket. Ha egyes gyümölcsökről vagy zöldségekről szeretne fényképeket osztályozni, használja az Élelmiszer tartományt. ID: c151d5b5-dd07-472a-acc8-15d29dea8518
Tereptárgyak Felismerhető, természetes és mesterséges tereptárgyakhoz optimalizálva. Ez a tartomány akkor működik a legjobban, ha a tájékozódási pont jól látható a fényképen. Ez a tartomány akkor is működik, ha a tájékozódási pontot kissé elhomályosítják az előtte álló személyek. ID: ca455789-012d-4b50-9fec-5bb63841c793
Kiskereskedelem Egy bevásárlókatalógusban vagy bevásárlówebhelyen található képekre optimalizálva. Ha nagy pontosságú besorolást szeretne a ruhák, nadrágok és ingek között, használja ezt a tartományt. ID: b30a91ae-e3c1-4f73-a81e-c270bff27c39
Tartományok tömörítése A peremeszközök valós idejű besorolásának korlátaira optimalizálva.

Feljegyzés

Az Általános[A1] és az Általános[A2] tartományok számos forgatókönyvhez használhatók, és a pontosságra vannak optimalizálva. Használja az Általános[A2] modellt a jobb következtetési sebességhez és a rövidebb betanítási időhöz. Nagyobb adathalmazok esetén érdemes lehet a General[A1] használatával jobb pontosságot megjeleníteni, mint az Általános[A2], bár ez több betanítást és következtetési időt igényel. Az Általános modell több következtetési időt igényel, mint az Általános[A1] és az Általános[A2].

Objektumészlelési tartományok

Tartomány Cél
Általános Az objektumészlelési feladatok széles körére optimalizálva. Ha a többi tartomány egyike sem megfelelő, vagy nem biztos abban, hogy melyik tartományt válassza, válassza ki az Általános tartományt. ID: da2e3a8a-40a5-4171-82f4-58522f70fbc1
Általános [A1] Jobb pontosságra optimalizálva, általános tartományként összehasonlítható következtetési idővel. Pontosabb régióhely-igények, nagyobb adathalmazok vagy nehezebb felhasználói forgatókönyvek esetén ajánlott. Ez a tartomány több betanítási időt igényel, és az eredmények nem determinisztikusak: +-1%- os átlagos pontossági (mAP) eltérésre számíthat ugyanazokkal a betanítási adatokkal. ID: 9c616dff-2e7d-ea11-af59-1866da359ce6
Logó A márka emblémáinak képekben való keresésére van optimalizálva. ID: 1d8ffafe-ec40-4fb2-8f90-72b3b6cecea4
Termékek a polcokon A polcokon lévő termékek észlelésére és besorolására optimalizálva. ID: 3780a898-81c3-4516-81ae-3a139614e1f3
Tartományok tömörítése A peremeszközök valós idejű objektumészlelésének korlátaira optimalizálva.

Tartományok tömörítése

A kompakt tartományok által létrehozott modellek exportálhatók helyi futtatásra. A Custom Vision 3.4 nyilvános előzetes api-ban a GetDomains API meghívásával lekérheti a kompakt tartományok exportálható platformjainak listáját.

Az alábbi tartományok mindegyike támogatja az ONNX, TensorFlow, TensorFlowLite, TensorFlow.js, CoreML és VAIDK formátumú exportálást, azzal a kivétellel, hogy az objektumészlelési általános (kompakt) tartomány nem támogatja a VAIDK-t.

A modell teljesítménye a kiválasztott tartománytól függően változik. Az alábbi táblázatban az Intel Desktop CPU-n és NVidia GPU-n található modell méretéről és következtetési idejéről számolunk be [1]. Ezek a számok nem tartalmazzák az előfeldolgozást és az utófeldolgozási időt.

Feladatok Tartomány Azonosító Modell mérete PROCESSZOR-következtetési idő GPU-következtetési idő
Osztályozás Általános (kompakt) 0732100f-1a38-4e49-a514-c9b44c697ab5 6 MB 10 ms 5 ms
Osztályozás Általános (kompakt) [S1] a1db07ca-a19a-4830-bae8-e004a42dc863 43 MB 50 ms 5 ms
Objektumészlelés Általános (kompakt) a27d5ca5-bb19-49d8-a70a-fec086c47f5b 45 MB 35 ms 5 ms
Objektumészlelés Általános (kompakt) [S1] 7ec2ac80-887b-48a6-8df9-8b1357765430 14 MB 27 ms 7 ms

Feljegyzés

Az objektumészlelés általános (kompakt) tartományához speciális utófeldolgozási logika szükséges. A részletekért tekintse meg az exportált zip-csomagban található példaszkriptet. Ha az utófeldolgozási logika nélküli modellre van szüksége, használja az Általános (kompakt) [S1] elemet.

Fontos

Nincs garancia arra, hogy az exportált modellek pontosan ugyanazt az eredményt adják, mint az előrejelzési API a felhőben. A futó platform vagy az előfeldolgozás implementációja kisebb eltérést okozhat a modell kimenetében. Az előfeldolgozási logika részleteiért tekintse meg ezt a dokumentumot.

[1] Intel Xeon E5-2690 CPU és NVIDIA Tesla M60

Következő lépések

Kövesse a Custom Vision-projektek létrehozásának és betanításának első lépéseit ismertető rövid útmutatót.