Segmentação de instância de imagem do AutoML

Este artigo descreve o componente no Azure Machine Learning Designer.

Use este componente para criar um modelo de machine learning baseado na Segmentação de instâncias da imagem do AutoML.

Como configurar

Siga este link para obter uma lista completa de parâmetros configuráveis deste componente.

Esse modelo requer um conjunto de dados de treinamento. Conjuntos de dados de validação e teste são opcionais.

Siga este link para obter mais informações sobre como preparar seu conjunto de dados. O conjunto de dados precisará de um conjunto de dados rotulado que inclua uma coluna de rótulo com um valor para todas as linhas.

O AutoML executa várias avaliações (especificadas em max_trials) em paralelo (especificadas em max_concurrent_trials) que tentam algoritmos e parâmetros diferentes para seu modelo. O serviço é iterado por meio de algoritmos de ML emparelhados com seleções de hiperparâmetros e cada avaliação produz um modelo com uma pontuação de treinamento. Você pode escolher a métrica para a qual deseja que o modelo seja otimizado. Quanto melhor a pontuação para a métrica escolhida, melhor o modelo será considerado para "ajustar" seus dados. Defina um critério de saída (política de encerramento) para o experimento. Os critérios de saída serão o modelo com uma pontuação de treinamento específica que você deseja que o AutoML encontre. Ela vai parar depois que atingir os critérios de saída definidos. Esse componente produzirá o melhor modelo que foi gerado no final da execução do conjunto de dados. Visite este link para obter mais informações sobre critérios de saída (política de encerramento).

1. Adicione o componente Segmentação de instâncias da imagem do AutoML ao pipeline.

2. Especifique a Coluna de Destino que você deseja que o modelo gere

3. Especifique a Métrica Primária que você deseja que o AutoML use para medir o sucesso do modelo. Visite este link para obter uma explicação sobre cada métrica primária para a pesquisa visual computacional.

4. (Opcional) Defina as configurações do algoritmo. Visite este link para obter uma lista dos algoritmos com suporte para pesquisa visual computacional.

5. (Opcional) Para configurar limites de trabalho, visite este link para obter mais explicações.

6. (Opcional) Visite este link para obter uma lista de configurações para Amostragem e Término Antecipado para sua Limpeza de Trabalho. Você também pode encontrar mais informações sobre cada uma das políticas e métodos de amostragem.

Próximas etapas

Confira o conjunto de componentes disponíveis no Azure Machine Learning.