Impor Gambar
Penting
Dukungan untuk Studio Azure Machine Learning (klasik) akan berakhir pada 31 Agustus 2024. Sebaiknya Anda transisi ke Azure Machine Learning sebelum tanggal tersebut.
Mulai 1 Desember 2021, Anda tidak akan dapat membuat sumber daya Studio Azure Machine Learning (klasik) baru. Hingga 31 Agustus 2024, Anda dapat terus menggunakan sumber daya Pembelajaran Mesin Studio (klasik) yang ada.
- Lihat informasi tentang memindahkan proyek pembelajaran mesin dari ML Studio (klasik) ke Azure Machine Learning.
- Mer informasjon tentang Azure Machine Learning.
ML Dokumentasi Studio (klasik) sedang berhenti dan mungkin tidak diperbarui di masa mendatang.
Memuat gambar dari Azure BLOB Storage ke dalam himpunan data
Kategori: Modul Perpustakaan OpenCV
Catatan
Berlaku untuk: Pembelajaran Mesin Studio (klasik) saja
Modul drag-and-drop serupa tersedia di Azure Machine Learning desainer.
Ringkasan Modul
Artikel ini menjelaskan cara menggunakan modul Impor Gambar di Pembelajaran Mesin Studio (klasik), untuk mendapatkan beberapa gambar dari penyimpanan Azure Blob dan membuat himpunan data gambar darinya.
Saat Anda menggunakan modul ini untuk memuat gambar dari penyimpanan blob ke ruang kerja Anda, setiap gambar dikonversi ke serangkaian nilai numerik untuk saluran merah, hijau, dan biru, bersama dengan nama file gambar. Himpunan data gambar tersebut terdiri dari beberapa baris dalam tabel, masing-masing dengan kumpulan nilai RGB yang berbeda dan nama file gambar yang sesuai. Untuk petunjuk tentang cara menyiapkan gambar dan terhubung ke penyimpanan blob, lihat Cara Mengimpor Gambar.
Setelah Anda mengonversi semua gambar Anda, Anda kemudian dapat meneruskan himpunan data ini ke modul Model Skor , dan menghubungkan model klasifikasi gambar yang telah dilatih sebelumnya untuk memprediksi jenis gambar.
Anda dapat mengimpor semua jenis gambar yang digunakan untuk pembelajaran mesin; namun, ada batasan, termasuk jenis dan ukuran gambar yang dapat diproses, lihat bagian Catatan teknis .
Cara menggunakan Gambar Impor
Contoh ini mengasumsikan bahwa Anda telah mengunggah beberapa gambar ke akun Anda di penyimpanan blob Azure. Gambar berada dalam wadah yang ditujukan untuk tujuan itu saja. Sebagai aturan, setiap gambar harus cukup kecil dan memiliki dimensi dan saluran warna yang sama. Untuk daftar persyaratan terperinci yang berlaku untuk gambar, lihat bagian Catatan teknis .
Tambahkan modul Impor Gambar ke eksperimen Anda di Studio (klasik).
Tambahkan Klasifikasi Gambar Kaskade Yang Telah Dilatih dan modul Model Skor .
Dalam modul Impor Gambar , konfigurasikan lokasi gambar, dan berikan metode autentikasi, pribadi atau publik:
Jika kumpulan gambar berada dalam blob yang telah dikonfigurasi untuk akses publik melalui Shared Access Signatures(SAS), ketik URL ke kontainer yang menyimpan gambar.
Jika gambar disimpan di akun pribadi di penyimpanan Azure, pilih Akun, lalu ketik nama akun seperti yang muncul di portal manajemen. Kemudian, tempelkan di kunci akun primer atau sekunder.
Untuk Jalur ke kontainer, ketik hanya nama kontainer, dan tidak ada elemen jalur lainnya.
Koneksi output Impor Gambar ke modul Model Skor.
Jalankan eksperimen.
Hasil
Setiap baris himpunan data output berisi data dari satu gambar. Baris diurutkan menurut abjad berdasarkan nama gambar, dan kolom berisi informasi berikut, dalam urutan ini:
- Kolom pertama berisi nama gambar.
- Semua kolom lainnya berisi data pipih dari saluran warna merah, hijau, dan biru, dalam urutan itu.
- Saluran transparansi diabaikan.
Tergantung pada kedalaman warna gambar dan format gambar, mungkin ada ribuan kolom untuk satu gambar. Oleh karena itu, untuk melihat hasil eksperimen, sebaiknya Tambahkan modul Pilih Kolom dalam Himpunan Data , dan pilih hanya kolom ini:
- Nama Gambar
- Label Skor
- Probabilitas Penilaian
Catatan teknis
Bagian ini berisi detail implementasi, tips, dan jawaban atas pertanyaan yang sering diajukan
Format gambar yang didukung
Modul Impor Gambar menentukan jenis gambar dengan membaca beberapa byte pertama konten, bukan dengan ekstensi file. Berdasarkan informasi itu, ia menentukan apakah gambar adalah salah satu format gambar yang didukung.
- Windows file bitmap: .bmp, .dib
- File JPEG: .jpeg, .jpg, .jpe
- Jpeg 2000 file: .jp2
- Grafik Jaringan Portabel: .png
- Format gambar portabel: .pbm, .pgm, .ppm
- Sun Raster: .sr, .ras
- File TIFF: .tiff, .tif
Persyaratan gambar
Persyaratan berikut berlaku untuk gambar yang diproses oleh modul Impor Gambar :
- Semua gambar harus memiliki bentuk yang sama.
- Semua gambar harus memiliki saluran warna yang sama. Misalnya, Anda tidak dapat mencampur gambar skala abu-abu dengan gambar RBG.
- Ada batas 65536 piksel per gambar. Namun, jumlah gambar tidak terbatas.
- Jika Anda menentukan kontainer blob sebagai sumber, kontainer tidak boleh berisi jenis data lainnya. Pastikan kontainer hanya berisi gambar sebelum menjalankan modul.
Pembatasan lainnya
Jika Anda berniat menggunakan modul Klasifikasi Gambar Kaskade Pretrained , ketahuilah bahwa saat ini hanya mendukung pengenalan wajah dalam tampilan frontal; Pengklasifikasi gambar lainnya belum tersedia.
Anda tidak dapat menggunakan himpunan data gambar dengan modul ini: Train, Cross-Validate Model.
Parameter modul
| Nama | Rentang | Jenis | Default | Deskripsi |
|---|---|---|---|---|
| Harap tentukan tipe autentikasi | Daftar | AuthenticationType | Akun | URI Atau kredensial pengguna Tanda Tangan Akses Publik atau Bersama (SAS) |
| URI | Semua | String | tidak ada | Uniform Resource Identifier dengan SAS atau akses publik |
| Nama akun | Semua | String | tidak ada | Nama akun Azure Storage |
| Kunci akun | Semua | SecureString | tidak ada | Kunci yang terkait dengan akun Azure Storage |
| Jalur ke kontainer, direktori, atau blob | Semua | String | tidak ada | Jalur ke blob atau nama tabel |
Output
| Nama | Jenis | Deskripsi |
|---|---|---|
| Kumpulan data hasil | Tabel Data | Himpunan data dengan gambar yang diunduh |
Pengecualian
| Pengecualian | Deskripsi |
|---|---|
| Kesalahan 0003 | Pengecualian terjadi jika satu atau beberapa input null atau kosong. |
| Kesalahan 0029 | Pengecualian terjadi ketika URI yang tidak valid dilewatkan. |
| Kesalahan 0009 | Pengecualian terjadi jika nama akun penyimpanan Azure atau nama kontainer ditentukan secara tidak benar. |
| Kesalahan 0015 | Pengecualian terjadi jika koneksi database gagal. |
| Kesalahan 0030 | Pengecualian terjadi ketika tidak mungkin mengunduh file. |
| Kesalahan 0049 | Pengecualian terjadi ketika tidak mungkin untuk mengurai file. |
| Kesalahan 0048 | Pengecualian terjadi ketika tidak mungkin untuk membuka file. |
Untuk daftar kesalahan khusus untuk modul Studio (klasik), lihat Pembelajaran Mesin Kode kesalahan.
Untuk daftar pengecualian API, lihat Pembelajaran Mesin Kode Kesalahan REST API.
Lihat juga
Klasifikasi Gambar Kaskade Yang Telah Dilatih Sebelumnya
Daftar Modul A-Z