這很重要
Microsoft 宣布計劃淘汰 Azure Custom Vision 服務。 Microsoft 將在 2028 年 9 月 25 日之前為所有現有的 Azure 自訂視覺客戶提供全面支援。 在此支援時段期間，我們鼓勵客戶開始規劃和執行向替代解決方案的轉換。 根據您的使用案例，我們建議使用下列轉換路徑：
- 若要建立影像分類和物件偵測的自訂模型， Azure Machine Learning AutoML 可讓您使用傳統機器學習技術來定型這兩種自訂模型類型
- 深入瞭解 Azure Machine Learning AutoML ，並探索它如何提供自訂模型定型的支援。
Microsoft 也投資基於生成式 AI 的解決方案，這些解決方案使用提示工程和其他技術提高自訂場景的準確性。
- 要使用生成模型，你可以使用 Foundry 模型目錄中的模型，並自行建立客製化視覺解決方案。
- 作為受管式生成式影像分類解決方案，Foundry Tools 中的 Azure Content Understanding（目前公開預覽版）提供建立自訂分類工作流程的功能。 它還支持處理任何類型的非結構化數據（圖像、文檔、音頻、視頻），並根據預定義或用戶定義的格式提取結構化見解。
- 了解更多關於 Microsoft Foundry Models 與 Azure Content Understanding（公開預覽版）， 並探討它們如何根據您的客製化需求提供替代路徑。
如需移轉的詳細資訊指引，請參閱 Azure 自訂視覺移轉指南。
Azure AI 自訂視覺是一項影像辨識服務，可讓您建置、部署和改善自己的影像識別工具模型。 影像識別工具可根據影像的視覺特性對影像套用標籤。 每個標籤都代表一個分類或物件。 自訂視覺可讓您指定標籤，並定型自訂模型來偵測標籤。
您可以透過用戶端程式庫 SDK、REST API 或透過自訂視覺入口網站使用自訂視覺。 請遵循快速入門以開始使用。
此文件包含下列類型的文章：
如需更結構化的方法，請遵循適用於自訂視覺的定型課程模組：
運作方式
自訂視覺服務會使用機器學習演算法來分析影像的自訂特徵。 您提交具備和缺少所要尋找之視覺特性的影像集。 接著在提交時，您可以使用自己的標籤來標記影像。 演算法會針對這項資料進行訓練，並藉由對相同的影像進行自我測試，計算其本身的精確度。 在您定型模型之後，您可以測試、重新定型，最後在影像辨識應用程式中使用此演算法來分類影像或偵測物件。 您也可以匯出模型以供離線使用。
分類和物件偵測
自訂視覺功能可以細分成兩項功能。 影像分類會對整個影像套用一或多個標籤。 物件偵測也很類似，但會傳回影像中已套用的標籤所在位置的座標。
使用案例最佳化
自訂視覺服務已經過最佳化，可快速辨識影像之間的主要差異，因此您可以使用少量的資料開始建立模型的原型。 一般而言，每個標籤使用 50 個影像是不錯的起點。 不過，此服務並未具備偵測影像中些微差異的最佳效能 (例如，在品質保證案例中偵測出微小的裂縫或凹痕)。
此外，您可以從數種不同針對特定題材內容的影像進行最佳化的自訂視覺演算法中擇一使用 — 例如，地標或零售項目。 如需詳細資訊，請參閱選取領域。
如何使用自訂視覺
自訂視覺服務以一組的原生 SDK 的形式提供，而且您也可以透過自訂視覺入口網站上的 Web 介面來使用。 您可以使用上述一或兩種介面來建立、測試和訓練模型。
支援的瀏覽器
自訂視覺入口網站可由下列網頁瀏覽器使用：
- Microsoft Edge (最新版本)
- Google Chrome (最新版本)
備份和災害復原
自訂視覺服務是 Azure 的一部分，其元件受到跨多個區域的維護。 我們所有的服務都會使用服務區域和區域，以便為客戶持續提供服務。 如需區域 (Zone) 和區域 (Region) 的詳細資訊，請參閱 Azure 區域。 如果您需要其他資訊或有任何問題，請連絡支援人員。
輸入需求
請參閱 映像輸入限制的限制和配額 。
資料隱私權和安全性
與所有 Foundry 工具一樣，使用 Custom Vision 服務的開發者應了解 Microsoft 對客戶資料的政策。 欲了解更多，請參閱 Microsoft Trust Center 的 Foundry 工具頁面 。
資料落地
自訂視覺不會從指定的區域外複寫資料，但 NorthCentralUS 區域除外，該區域不具有本機 Azure 支援。
下一步
請遵循建置分類器快速入門，在入口網站上開始使用自訂視覺。
- 或者，完成 SDK 快速入門，以使用程式碼實作基本案例。