Özel Görüntü İşleme ve Windows Machine Learning ile görüntü sınıflandırma

Bu kılavuz size nasıl yapılacağını gösterir: Azure Özel Görüntü İşleme hizmetini kullanarak gıda görüntülerini sınıflandırmak için bir sinir ağı modeli eğitme; modeli ONNX biçimine aktarın; ve modeli bir Windows cihazında yerel olarak çalışan bir Windows Machine Learning (Windows ML) uygulamasında dağıtın. Makine öğrenmesi konusunda önceki uzmanlığa ihtiyacınız yok! Süreç boyunca size adım adım yol göstereceğiz.

Özel Görüntü İşleme ile model oluşturmayı ve eğitmeyi öğrenmek isterseniz Modeli eğitmeye devam edebilirsiniz.

Bir modeliniz varsa ve sıfırdan bir Windows ML uygulaması oluşturmayı öğrenmek istiyorsanız windows ML uygulaması öğreticisinin tamamına bakın.

Windows ML uygulaması için önceden var olan bir Visual Studio projesiyle başlamak istiyorsanız , Özel Görüntü İşleme ve Windows ML öğreticisi örnek uygulamasını kopyalayabilir ve bunu başlangıç noktanız olarak kullanabilirsiniz.

Senaryo

Bu öğreticide, Windows cihazlarında çalışan bir makine öğrenmesi gıda sınıflandırma uygulaması oluşturacağız. Model, bir gıda görüntüsünü sınıflandırmak için belirli desen türlerini tanıyacak şekilde eğitilir ve bir görüntü verildiğinde bir sınıflandırma etiketi ve bu sınıflandırmanın ilişkili yüzde güvenilirlik değeri döndürülecektir.

Model eğitimi için önkoşullar

Model oluşturmak ve eğitmek için Azure Özel Görüntü İşleme hizmetlerine abone olmanız gerekir.

Azure'da yeniyseniz ücretsiz bir Azure hesabına kaydolabilirsiniz. Bu size Azure AI ile makine öğrenmesi modelleri oluşturma, eğitma ve dağıtma fırsatı verir.

Tavsiye

Azure kayıt seçenekleri ve Azure ücretsiz hesapları hakkında daha fazla bilgi edinmek istiyor musunuz? Ardından Azure hesabı oluşturma'ya göz atın.

Windows ML uygulama dağıtımı önkoşulları

Bir Windows ML uygulaması oluşturmak ve dağıtmak için aşağıdakilere ihtiyacınız vardır:

• Windows 10, sürüm 1809 (derleme 17763) veya üzeri. winver komutu (Windows logo tuşu + R) aracılığıyla çalıştırarak derleme sürüm numaranızı de kontrol edebilirsiniz.
• Derlem 17763 veya sonrası için Windows SDK. İndirmek için bkz. Windows SDK.
• Visual Studio 2017 sürüm 15.7 veya üzeri; ancak Visual Studio 2022 veya üzerini kullanmanızı öneririz. Bu öğreticideki bazı ekran görüntüleri, göreceğiniz kullanıcı arabiriminden farklı olabilir. Visual Studio'yu indirmek için bkz. Windows geliştirme için indirmeler ve araçlar.
• Windows ML Code Generator (mlgen) Visual Studio uzantısı. Visual Studio 2019 veya daha sonrası için veya Visual Studio 2017 için indirin.
• Evrensel Windows Platformu (UWP) uygulaması oluşturmaya karar verirseniz Visual Studio'da Evrensel Windows Platformu geliştirme iş yükünü etkinleştirmeniz gerekir.
• Bilgisayarınızda Geliştirici modunu etkinleştirme— Bkz. Geliştirme için cihazınızı etkinleştirme.

Uyarı

Windows ML API'leri, Windows 10 (1809 veya üzeri) ve Windows Server 2019'un en son sürümlerinde yerleşiktir. Hedef platformunuz Windows'un eski bir sürümüyse, Windows ML uygulamanızı yeniden dağıtılabilir NuGet paketine (Windows 8.1 veya üzeri) taşıyabilirsiniz.

Verileri hazırlama

Makine öğrenmesi modelleri mevcut verilerle eğitilmelidir. Bu kılavuzda, Kaggle Open Datasets'teki yiyecek görüntülerinden oluşan bir veri kümesi kullanacaksınız. Bu veri kümesi genel etki alanı lisansı altında dağıtılır.

Önemli

Bu veri kümesini kullanmak için Kaggle sitesini kullanma terimine ve veri kümesinin kendisine eşlik eden lisans koşullarına Food-11 uymanız gerekir. Microsoft, site veya bu veri kümesiyle ilgili hiçbir garanti veya beyanda bulunmaz.

Veri kümesinin değerlendirme, eğitim ve doğrulama olmak üzere üç bölümü vardır ve 11 ana gıda kategorisine ayrılmış 16.643 gıda görüntüsü içerir. Her bir yiyecek kategorisinin veri kümesindeki görüntüler ayrı bir klasöre yerleştirilir ve bu da model eğitim sürecini daha kullanışlı hale getirir.

Food-11 görüntü veri kümesinden veri kümesini indirin. Veri kümesinin boyutu yaklaşık 1 GB'tır ve verileri indirmek için Kaggle web sitesinde bir hesap oluşturmanız istenebilir.

İsterseniz, ilgili görüntülerden oluşan diğer veri kümelerini kullanabilirsiniz. Minimum olarak, ilk eğitim kümesinde etiket başına en az 30 resim kullanmanızı öneririz. Modeliniz eğitildikten sonra test etmek için birkaç ek görüntü de toplamak isteyeceksiniz.

Ayrıca tüm eğitim görüntülerinizin aşağıdaki ölçütlere uygun olduğundan emin olun:

• .jpg, .png, .bmpveya .gif biçim.
• Boyutu 6 MB'tan büyük değildir (tahmin görüntüleri için 4 MB).
• En kısa kenarda en az 256 piksel; bundan kısa tüm görüntüler, Özel Görüntü İşleme Hizmeti tarafından otomatik olarak ölçeklendirilir.

Sonraki Adımlar

Artık önkoşullarınızı sıraladığınıza ve veri kümenizi hazırladığınıza göre, Windows ML modelinizi oluşturmaya devam edebilirsiniz. Sonraki bölümde (Modelinizi Özel Görüntü İşleme ile eğitin), sınıflandırma modelinizi oluşturmak ve eğitmek için web tabanlı Özel Görüntü İşleme arabirimini kullanacaksınız.