Compartilhar via


Importar imagens

Importante

O suporte para o Machine Learning Studio (clássico) terminará em 31 de agosto de 2024. É recomendável fazer a transição para o Azure Machine Learning até essa data.

A partir de 1º de dezembro de 2021, você não poderá criar recursos do Machine Learning Studio (clássico). Até 31 de agosto de 2024, você pode continuar usando os recursos existentes do Machine Learning Studio (clássico).

A documentação do ML Studio (clássico) está sendo desativada e pode não ser atualizada no futuro.

Carrega imagens do blob do Azure Armazenamento em um conjuntos de dados

Categoria: Módulos da Biblioteca OpenCV

Observação

Aplica-se a: Machine Learning Studio (clássico) somente

Módulos semelhantes do tipo "arrastar e soltar" estão disponíveis no designer do Azure Machine Learning.

Visão geral do módulo

Este artigo descreve como usar o módulo Importar Imagens no Machine Learning Studio (clássico) para obter várias imagens do Armazenamento de Blob do Azure e criar um conjuntos de dados de imagem com eles.

Quando você usa este módulo para carregar imagens do armazenamento de blob em seu workspace, cada imagem é convertida em uma série de valores numéricos para os canais vermelho, verde e azul, junto com o nome do arquivo de imagem. Um conjunto de dados dessas imagens consiste em várias linhas em uma tabela, cada uma com um conjunto diferente de valores RGB e nomes de arquivo de imagem correspondentes. Para obter instruções sobre como preparar suas imagens e conectar-se ao armazenamento de blob, consulte Como importar imagens.

Depois de converter todas as imagens, você pode passar esse conjuntos de dados para o módulo Modelo de Pontuação e conectar um modelo de classificação de imagem pré-treinado para prever o tipo de imagem.

Você pode importar qualquer tipo de imagens usadas para aprendizado de máquina; no entanto, há limitações, incluindo os tipos e o tamanho das imagens que podem ser processadas, consulte a seção Notas técnicas.

Como usar Importar Imagens

Este exemplo presume que você carregou várias imagens em sua conta no armazenamento de blob do Azure. As imagens estão em um contêiner designado apenas para essa finalidade. Como regra, cada imagem deve ser relativamente pequena e ter as mesmas dimensões e canais de cores. Para ver uma lista detalhada dos requisitos que se aplicam a imagens, consulte a seção Notas técnicas.

  1. Adicione o módulo Importar Imagens ao seu experimento no Studio (clássico).

  2. Adicione a Classificação de Imagem em Cascata pré-treinado e o módulo Modelo de Pontuação .

  3. No módulo Importar Imagens , configure o local das imagens e forneça o método de autenticação, privado ou público:

    • Se o conjunto de imagens estiver em um blob configurado para acesso público por meio de SAS ( Assinaturas de Acesso Compartilhado), digite a URL para o contêiner que contém as imagens.

    • Se as imagens são armazenadas em uma conta privada no armazenamento do Azure, selecione Conta e digite o nome da conta como ele aparece no portal de gerenciamento. Em seguida, colar na chave de conta primária ou secundária.

    • Em Caminho para o contêiner, digite apenas o nome do contêiner e nenhum outro elemento de caminho.

  4. Conexão a saída de Importar Imagens para o módulo Modelo de Pontuação.

  5. Execute o experimento.

Resultados

Cada linha do conjuntos de dados de saída contém dados de uma imagem. As linhas são ordenadas em ordem alfabética pelo nome da imagem e as colunas contêm as seguintes informações, nesta ordem:

  • A primeira coluna contém os nomes de imagem.
  • Todas as outras colunas contêm dados bidimensionais de canais de cor vermelha, verde e azul, nessa ordem.
  • O canal de transparência é ignorado.

Dependendo da profundidade da cor da imagem e do formato da imagem, pode haver muitos milhares de colunas para uma única imagem. Portanto, para exibir os resultados do experimento, recomendamos que você adicione o módulo Selecionar Colunas no Conjuntos de Dados e selecione apenas estas colunas:

  • Nome da imagem
  • Rótulos classificados
  • Probabilidades pontuadas

Observações técnicas

Esta seção contém detalhes de implementação, dicas e respostas para perguntas frequentes

Formatos de imagem compatíveis

O módulo Importar Imagens determina o tipo de uma imagem lendo os primeiros bytes do conteúdo, não pela extensão de arquivo. Com base nessa informação, ele determina se a imagem é um dos formatos de imagem com suporte.

  • Windows de bitmap: .bmp, .dib
  • Arquivos JPEG: .jpeg, .jpg, .jpe
  • Arquivos JPEG 2000: .jp2
  • Elementos gráficos de rede portáteis: .png
  • Formato de imagem portátil: .pbm, .pgm, .ppm
  • Sun Raster: .sr, .ras
  • Arquivos TIFF: .tiff, .tif

Requisitos de imagem

Os seguintes requisitos se aplicam a imagens processadas pelo módulo Importar Imagens :

  • Todas as imagens devem ter a mesma forma.
  • Todas as imagens devem ter os mesmos canais de cores. Por exemplo, você não pode misturar imagens em escala de cinza com imagens RBG.
  • Existe um limite de 65536 pixels por imagem. No entanto, o número de imagens não é limitado.
  • Se você especificar um contêiner de blob como a origem, o contêiner não deverá conter outros tipos de dados. Verifique se o contêiner contém apenas imagens antes de executar o módulo.

Outras restrições

  • Se você pretende usar o módulo Classificação de Imagem em Cascata pré-treinado, esteja ciente de que ele atualmente dá suporte apenas ao reconhecimento de rostos na exibição frontal; outros classificadores de imagem ainda não estão disponíveis.

  • Você não pode usar conjuntos de dados de imagem com estes módulos: Treinar, Modelo de Validação Cruzada.

Parâmetros do módulo

Nome Intervalo Type Padrão Descrição
Especifique o tipo de autenticação Lista AuthenticationType Conta URI de Assinatura de Acesso Compartilhado (SAS) ou Público ou credenciais de usuário
URI Qualquer String nenhum Identificador de Recurso Uniforme com SAS ou acesso público
Nome da conta Qualquer String nenhum Nome da conta de Armazenamento do Azure
Chave de conta Qualquer SecureString nenhum Chave associada à conta de Armazenamento do Azure
Caminho para o contêiner, diretório ou blob Qualquer String nenhum Caminho para o blob ou o nome da tabela

Saída

Nome Tipo Descrição
Conjunto de dados de resultados Tabela de Dados Conjunto de dados com imagens baixadas

Exceções

Exceção Descrição
Erro 0003 Ocorrerá uma exceção se uma ou mais entradas forem nulas ou estiverem vazias.
Erro 0029 Ocorre uma exceção quando um URI inválido é passado.
Erro 0009 Ocorre uma exceção ocorre se o nome da conta ou o nome do contêiner de armazenamento do Azure for especificado incorretamente.
Erro 0015 Ocorre uma exceção se a conexão do banco de dados tiver falhado.
Erro 0030 Ocorre uma exceção quando não é possível baixar um arquivo.
Erro 0049 Ocorre uma exceção quando não é possível analisar um arquivo.
Erro 0048 Ocorre uma exceção quando não é possível abrir um arquivo.

para obter uma lista de erros específicos para módulos do Studio (clássicos), consulte Machine Learning códigos de erro.

para obter uma lista de exceções de api, consulte Machine Learning códigos de erro da api REST.

Confira também

Classificação de imagem em cascata previamente treinada
Lista de Módulo A-Z