Entender a classificação

Concluído

Você pode usar uma técnica de classificação de aprendizado de máquina para prever a qual categoria ou classe algo pertence. Os modelos de machine learning de classificação usam um conjunto de entradas, que chamamos de recursos, para calcular uma pontuação de probabilidade para cada classe possível e prever um rótulo que indica a classe mais provável à qual um objeto pertence.

Por exemplo, as características de uma flor podem incluir as medidas das pétalas, a haste, as sépalas e outras características quantificáveis. Um modelo de machine learning pode ser treinado por meio da aplicação de um algoritmo a essas medidas que calcula a espécie mais provável da flor – a classe dela.

Diagram that shows a classification model with flower measurements as features and species as classes.

Diagram that shows flower classification based on measurements as features and species as classes.

Entender a classificação de imagem

A classificação de imagens é uma técnica de machine learning na qual o objeto que está sendo classificado é uma imagem, como uma fotografia.

Para criar um modelo de classificação de imagem, você precisa de dados que consistem em recursos e seus rótulos. Os dados existentes são um conjunto de imagens categorizadas. As imagens digitais são compostas por uma matriz de valores de pixel e eles são usados como recursos para treinar o modelo com base nas classes de imagem conhecidas.

Screenshot of classifying photos based on pixels as features and fruit as classes.

O modelo é treinado para corresponder os padrões nos valores de pixel a um conjunto de rótulos de classe. Depois que o modelo tiver sido treinado, você poderá usá-lo com novos conjuntos de características para prever valores de rótulo desconhecidos.

Serviço de Visão Personalizada do Azure

A maioria das soluções de classificação de imagens modernas baseia-se em técnicas de aprendizado profundo que fazem uso de CNNs (redes neurais convolucionais) para descobrir padrões nos pixels que correspondem a classes específicas. Treinar uma CNN eficiente é uma tarefa complexa que requer uma experiência considerável em ciência de dados e machine learning.

As técnicas comuns utilizadas para treinar modelos de classificação de imagens foram encapsuladas no serviço Visão Personalizada de IA do Azure no Microsoft Azure, facilitando o treinamento de um modelo e sua publicação como um serviço de software com conhecimento mínimo de técnicas de aprendizagem profunda. Você pode utilizar o Visão Personalizada de IA do Azure para treinar modelos de classificação de imagens e implantá-los como serviços a serem utilizados pelos aplicativos.