Importowanie obrazów
Ważne
Obsługa programu Machine Learning Studio (wersja klasyczna) zakończy się 31 sierpnia 2024 r. Zalecamy przejście do usługi Azure Machine Learning przed tym terminem.
Od 1 grudnia 2021 r. nie będzie można tworzyć nowych zasobów programu Machine Learning Studio (wersja klasyczna). Do 31 sierpnia 2024 r. można będzie nadal korzystać z istniejących zasobów programu Machine Learning Studio (wersja klasyczna).
- Zobacz informacje na temat przenoszenia projektów uczenia maszynowego z programu ML Studio (wersja klasyczna) do Azure Machine Learning.
- Dowiedz się więcej o Azure Machine Learning.
Dokumentacja programu ML Studio (wersja klasyczna) jest wycofywana i może nie być aktualizowana w przyszłości.
Ładuje obrazy z usługi Azure BLOB Storage do zestawu danych
Kategoria: Moduły biblioteki OpenCV
Uwaga
Dotyczy: Machine Learning Studio (wersja klasyczna)
Podobne moduły przeciągania i upuszczania są dostępne w Azure Machine Learning projektanta.
Omówienie modułu
W tym artykule opisano sposób używania modułu Import Images (Importowanie obrazów) w programie Machine Learning Studio (wersja klasyczna) w celu uzyskania wielu obrazów z usługi Azure Blob Storage i utworzenia na ich podstawie zestawu danych obrazu.
Gdy używasz tego modułu do ładowania obrazów z magazynu obiektów blob do obszaru roboczego, każdy obraz jest konwertowany na serię wartości liczbowych dla kanałów czerwony, zielony i niebieski wraz z nazwą pliku obrazu. Zestaw danych takich obrazów składa się z wielu wierszy w tabeli, z których każdy ma inny zestaw wartości RGB i odpowiadające nazwy plików obrazów. Aby uzyskać instrukcje dotyczące przygotowywania obrazów i nawiązywania połączenia z magazynem obiektów blob, zobacz How to Import Images (Jak importować obrazy).
Po przekonwertowaniu wszystkich obrazów możesz przekazać ten zestaw danych do modułu Score Model (Ocena modelu) i połączyć wstępnie wytrenowany model klasyfikacji obrazów w celu przewidywania typu obrazu.
Można zaimportować dowolny rodzaj obrazów używanych do uczenia maszynowego; Istnieją jednak ograniczenia, w tym typy i rozmiar obrazów, które mogą być przetwarzane, zobacz sekcję Uwagi techniczne.
Jak używać importowania obrazów
W tym przykładzie przyjęto założenie, że do konta w usłudze Azure Blob Storage przesłaliśmy wiele obrazów. Obrazy znajdują się w kontenerze przeznaczonym tylko do tego celu. Zgodnie z regułą każdy obraz musi być dość mały i mieć te same wymiary i kanały kolorów. Aby uzyskać szczegółową listę wymagań dotyczących obrazów, zobacz sekcję Uwagi techniczne.
Dodaj moduł Import Images (Importowanie obrazów) do eksperymentu w programie Studio (wersja klasyczna).
Dodaj wstępnie wytrenowane kaskadowe klasyfikacje obrazów i moduł Score Model (Ocena modelu).
W module Import Images (Importowanie obrazów) skonfiguruj lokalizację obrazów i podaj metodę uwierzytelniania prywatną lub publiczną:
Jeśli zestaw obrazów znajduje się w obiekcie blob, który został skonfigurowany do publicznego dostępu za pomocą sygnatur dostępu współdzielonego (SAS), wpisz adres URL kontenera, który przechowuje obrazy.
Jeśli obrazy są przechowywane na koncie prywatnym w usłudze Azure Storage, wybierz pozycję Konto, a następnie wpisz nazwę konta wyświetlaną w portalu zarządzania. Następnie wklej podstawowy lub pomocniczy klucz konta.
W przypadku ścieżki do kontenera wpisz tylko nazwę kontenera i nie wpisz żadnych innych elementów ścieżki.
Połączenie dane wyjściowe z modułu Import Images (Importowanie obrazów) do modułu Score Model (Ocena modelu).
Uruchom eksperyment.
Wyniki
Każdy wiersz wyjściowego zestawu danych zawiera dane z jednego obrazu. Wiersze są sortowane alfabetycznie według nazwy obrazu, a kolumny zawierają następujące informacje w następującej kolejności:
- Pierwsza kolumna zawiera nazwy obrazów.
- Wszystkie pozostałe kolumny zawierają spłaszczone dane z kanałów w kolorze czerwonym, zielonym i niebieskim w tej kolejności.
- Kanał przezroczystości jest ignorowany.
W zależności od głębokości koloru obrazu i formatu obrazu jeden obraz może mieć wiele tysięcy kolumn. Dlatego aby wyświetlić wyniki eksperymentu, zalecamy dodanie modułu Select Columns in Dataset (Wybieranie kolumn w zestawie danych) i wybranie tylko tych kolumn:
- Nazwa obrazu
- Etykiety z wynikami
- Scored Probabilities
Uwagi techniczne
Ta sekcja zawiera szczegóły implementacji, porady i odpowiedzi na często zadawane pytania
Obsługiwane formaty obrazów
Moduł Import Images (Importowanie obrazów) określa typ obrazu, odczytując kilka pierwszych bajtów zawartości, a nie przez rozszerzenie pliku. Na podstawie tych informacji określa, czy obraz jest jednym z obsługiwanych formatów obrazu.
- Windows map bitowych: .bmp, dib
- Pliki JPEG: jpeg, .jpg, jpe
- Pliki JPEG 2000: .jp2
- Portable Network Graphics: .png
- Format obrazu przenośnego: pbm, pgm, ppm
- Sun Raster: .sr, .ras
- Pliki TIFF: .tiff, .tif
Wymagania obrazu
Następujące wymagania dotyczą obrazów przetworzonych przez moduł Import Images (Importowanie obrazów ):
- Wszystkie obrazy muszą mieć taki sam kształt.
- Wszystkie obrazy muszą mieć te same kanały kolorów. Na przykład nie można mieszać obrazów w skali szarości z obrazami RBG.
- Istnieje limit 65536 pikseli na obraz. Jednak liczba obrazów nie jest ograniczona.
- Jeśli określisz kontener obiektów blob jako źródło, kontener nie może zawierać innych typów danych. Przed uruchomieniem modułu upewnij się, że kontener zawiera tylko obrazy.
Inne ograniczenia
Jeśli zamierzasz używać modułu Wstępnie wytrenowana kaskadowa klasyfikacja obrazów, należy pamiętać, że obecnie obsługuje on tylko rozpoznawanie twarzy w widoku frontowym; Inne klasyfikatory obrazów nie są jeszcze dostępne.
Zestawów danych obrazów nie można używać z tymi modułami: Trenowanie, Krzyżowa weryfikacja modelu.
Parametry modułu
| Nazwa | Zakres | Typ | Domyślny | Opis |
|---|---|---|---|---|
| Określ typ uwierzytelniania | Lista | Authenticationtype | Konto | Identyfikator URI lub poświadczenia użytkownika sygnatury dostępu publicznego lub współdzielonego |
| URI | Dowolne | Ciąg | brak | Uniform Resource Identifier z sygnaturą dostępu współdzielonego lub dostępem publicznym |
| Nazwa konta | Dowolne | Ciąg | brak | Nazwa konta usługi Azure Storage |
| Klucz konta | Dowolne | Securestring | brak | Klucz skojarzony z kontem usługi Azure Storage |
| Ścieżka do kontenera, katalogu lub obiektu blob | Dowolne | Ciąg | brak | Ścieżka do obiektu blob lub nazwa tabeli |
Dane wyjściowe
| Nazwa | Typ | Opis |
|---|---|---|
| Zestaw danych wyników | Tabela danych | Zestaw danych z pobranymi obrazami |
Wyjątki
| Wyjątek | Opis |
|---|---|
| Błąd 0003 | Wyjątek występuje, jeśli co najmniej jedno wejście ma wartość null lub jest puste. |
| Błąd 0029 | Wyjątek występuje, gdy zostanie przekazany nieprawidłowy identyfikator URI. |
| Błąd 0009 | Wyjątek występuje, jeśli nazwa konta usługi Azure Storage lub nazwa kontenera jest niepoprawnie określona. |
| Błąd 0015 | Wyjątek występuje, jeśli połączenie z bazą danych nie powiodło się. |
| Błąd 0030 | Wyjątek występuje, gdy nie można pobrać pliku. |
| Błąd 0049 | Wyjątek występuje, gdy nie jest możliwe analizowanie pliku. |
| Błąd 0048 | Wyjątek występuje, gdy nie jest możliwe otwarcie pliku. |
Aby uzyskać listę błędów specyficznych dla modułów programu Studio (wersja klasyczna), zobacz Machine Learning Kody błędów.
Aby uzyskać listę wyjątków interfejsu API, zobacz Machine Learning API REST Error Codes (Kody błędów interfejsu API REST).
Zobacz też
Wstępnie wytrenowana kaskadowa klasyfikacja obrazów
Lista modułów A–Z