Тестирование и переобучение модели Custom Vision

Это важно

Корпорация Майкрософт объявляет о плановом выходе из службы Пользовательского визуального распознавания Azure. Корпорация Майкрософт предоставит полную поддержку всем существующим клиентам Пользовательского визуального распознавания Azure до 9.25.2028. В этом окне поддержки клиентам рекомендуется приступить к планированию и выполнению перехода на альтернативные решения. В зависимости от варианта использования рекомендуется использовать следующие пути для перехода:

• Для создания пользовательских моделей для классификации изображений и обнаружения объектов Служба машинного обучения Azure обеспечивает возможность обучения обоих пользовательских типов моделей с помощью классических методов машинного обучения
• Узнайте больше о AutoML машинного обучения Azure и узнайте, как она может предложить поддержку обучения пользовательских моделей.

Корпорация Майкрософт также инвестирует в решения на основе искусственного интеллекта, повышающие точность в пользовательских сценариях с помощью инженерии запросов и других методов.

• Чтобы использовать генеративные модели, можно использовать одну из моделей, доступных в каталоге моделей Foundry, и создать собственное решение для кастомизированного восприятия.
• Для управляемого генеративного решения для классификации изображений служба "Azure Content Understanding" в Foundry Tools (в настоящее время в общедоступной предварительной версии) предоставляет возможность создавать пользовательские рабочие процессы классификации. Она также поддерживает обработку неструктурированных данных любого типа (изображения, документов, аудио, видео) и извлечения структурированных аналитических сведений на основе предварительно определенных или пользовательских форматов.
• Узнайте больше о моделях Microsoft Foundry и Azure Content Understanding (общедоступная предварительная версия) и узнайте, как они могут предлагать альтернативные пути для ваших пользовательских потребностей.

Дополнительные инструкции по миграции см. в руководстве по миграции пользовательского визуального распознавания Azure.

После обучения модели службы Пользовательского визуального распознавания можно быстро протестировать ее с помощью локально сохраненного изображения или URL-адреса, ссылающегося на удаленное изображение. Проверьте последнюю обученную итерацию вашей модели, а затем определите, требуется ли дальнейшее обучение.

Тестирование модели

1. На веб-странице службы Пользовательского визуального распознавания выберите свой проект. Выберите Quick Test (Быстрый тест) справа в верхней строке меню. Откроется окно Quick Test (Быстрый тест).

   

2. В окне Быстрый тест щелкните поле Отправка изображения и введите URL-адрес изображения, которое вы хотите использовать для теста. Если вместо этого вы хотите использовать локальное изображение, щелкните Обзор локальных файлов и выберите локальный файл изображения.

   

Выбранное изображение появится посредине страницы. Затем под изображением отобразятся результаты прогнозирования в виде таблицы с двумя столбцами, Теги и Достоверность. После просмотра результатов окно Quick Test (Быстрый тест) можно будет закрыть.

Используйте прогнозируемое изображение для обучения

После этого отправленное ранее для тестирования изображение при необходимости можно использовать для повторного обучения модели.

1. Чтобы просмотреть отправленные в классификатор изображения, откройте веб-страницу Пользовательской службы визуального распознавания и выберите вкладку Predictions (Прогнозы).

   

   Совет

   Представление по умолчанию содержит изображения из текущей итерации. Поле с раскрывающимся списком Iteration (Итерация) позволяет перейти к изображениям, переданным в предыдущих итерациях.

2. Наведите указатель мыши на изображение, чтобы увидеть спрогнозированные классификатором теги.

   Совет

   Изображения ранжируются по полезности для классификатора, то есть самые полезные расположены вверху списка. Чтобы выбрать другой вариант сортировки, используйте раздел Sort (Сортировка).

   Чтобы добавить изображение в набор данных для обучения, выберите нужное изображение, затем вручную выберите теги и щелкните Сохранить и закрыть. Изображение удаляется из Predictions и добавляется к изображениям для обучения. Теперь его можно просмотреть на вкладке Training Images (Изображения для обучения).

   

3. Нажмите кнопку Train (Тренировать), чтобы переобучить классификатор.

Следующий шаг

Улучшение модели