Afbeeldingsclassificatie met Custom Vision en Windows Machine Learning

In deze handleiding leert u hoe u een neuraal netwerkmodel traint om afbeeldingen van voedsel te classificeren met behulp van de Azure Custom Vision-service; het model exporteren naar ONNX-indeling; en implementeer het model in een Windows Machine Learning-toepassing (Windows ML) die lokaal wordt uitgevoerd op een Windows-apparaat. U hebt geen eerdere expertise nodig in machine learning. We begeleiden u stapsgewijs door het proces.

Als u wilt weten hoe u een model bouwt en traint met Custom Vision, kunt u doorgaan met het trainen van een model.

Als u een model hebt en u wilt leren hoe u een volledig nieuwe Windows ML-app maakt, raadpleegt u de volledige zelfstudie voor de Windows ML-app.

Als u wilt beginnen met een bestaand Visual Studio-project voor een Windows ML-app, kunt u de voorbeeld-app Custom Vision en Windows ML klonen en deze gebruiken als uitgangspunt.

Scenariobeschrijving

In deze zelfstudie maken we een toepassing voor machine learning-voedselclassificatie die wordt uitgevoerd op Windows-apparaten. Het model wordt getraind om bepaalde typen patronen te herkennen om een afbeelding van voedsel te classificeren. Wanneer u een afbeelding krijgt, wordt er een classificatietag en de bijbehorende betrouwbaarheidswaarde van die classificatie geretourneerd.

Vereisten voor modeltraining

Als u een model wilt bouwen en trainen, hebt u een abonnement op Azure Custom Vision-services nodig.

Als u nog geen gebruik hebt gemaakt van Azure, kunt u zich registreren voor een gratis Azure-account. Hiermee kunt u machine learning-modellen bouwen, trainen en implementeren met Azure AI.

Aanbeveling

Bent u geïnteresseerd in meer informatie over azure-registratieopties en gratis Azure-accounts? Bekijk vervolgens Een Azure-account maken.

Vereisten voor implementatie van Windows ML-apps

Als u een Windows ML-app wilt maken en implementeren, hebt u het volgende nodig:

• Windows 10, versie 1809 (build 17763) of hoger. U kunt uw buildversienummer controleren door de opdracht winver (Windows-logotoets + R) uit te voeren.
• Windows SDK voor build 17763 of hoger. Zie Windows SDK om te downloaden.
• Visual Studio 2017 versie 15.7 of hoger; Maar u wordt aangeraden Visual Studio 2022 of hoger te gebruiken. Sommige schermopnamen in deze zelfstudie kunnen afwijken van de gebruikersinterface die u ziet. Zie Downloads en hulpprogramma's voor Windows-ontwikkeling om Visual Studio te downloaden.
• Windows ML Code Generator (mlgen) Visual Studio-extensie. Download deze voor Visual Studio 2019 of hoger of voor Visual Studio 2017.
• Als u besluit een UWP-app (Universal Windows Platform) te maken, moet u de ontwikkelworkload voor Universal Windows Platform inSchakelen in Visual Studio.
• Schakel de ontwikkelaarsmodus op uw pc in. Zie Uw apparaat inschakelen voor ontwikkeling.

Opmerking

Windows ML-API's zijn ingebouwd in de nieuwste versies van Windows 10 (1809 of hoger) en Windows Server 2019. Als uw doelplatform een oudere versie van Windows is, kunt u uw Windows ML-app overzetten naar het herdistribueerbare NuGet-pakket (Windows 8.1 of hoger).

De gegevens voorbereiden

Machine learning-modellen moeten worden getraind met bestaande gegevens. In deze handleiding gebruikt u een gegevensset met afbeeldingen van voedsel uit Kaggle Open Datasets. Deze gegevensset wordt gedistribueerd onder de licentie voor het openbare domein.

Belangrijk

Als u deze gegevensset wilt gebruiken, moet u voldoen aan de duur van het gebruik van de Kaggle-site en de licentievoorwaarden die bij de Food-11 gegevensset zelf horen. Microsoft geeft geen garantie of vertegenwoordiging met betrekking tot de site of deze gegevensset.

De gegevensset heeft drie splitsingen( evaluatie, training en validatie) en bevat 16.643 afbeeldingen van voedingsmiddelen gegroepeerd in 11 belangrijke voedselcategorieën. De afbeeldingen in de gegevensset van elke voedselcategorie worden in een afzonderlijke map geplaatst, waardoor het modeltrainingsproces handiger wordt.

Download de gegevensset uit de afbeeldingsgegevensset Food-11. De gegevensset is ongeveer 1 GB groot en u wordt mogelijk gevraagd een account te maken op de Kaggle-website om de gegevens te downloaden.

Als u wilt, kunt u alle andere gegevenssets met relevante afbeeldingen gebruiken. We raden u minimaal aan om ten minste 30 afbeeldingen per tag te gebruiken in de eerste trainingsset. U wilt ook enkele extra afbeeldingen verzamelen om uw model te testen zodra het is getraind.

Zorg er bovendien voor dat al uw trainingsafbeeldingen voldoen aan de volgende criteria:

• .jpg, .png, .bmp, of .gif formaat.
• Niet groter dan 6 MB (4 MB voor voorspellingsafbeeldingen).
• Niet minder dan 256 pixels aan de kortste rand; afbeeldingen die korter zijn dan deze worden automatisch opgeschaald door de Custom Vision-service.

Volgende stappen

Nu u uw vereisten hebt gesorteerd en uw gegevensset hebt voorbereid, kunt u doorgaan met het maken van uw Windows ML-model. In het volgende deel (Uw model trainen met Custom Vision) gebruikt u de webgebaseerde Custom Vision-interface om uw classificatiemodel te maken en te trainen.