自訂視覺 的新功能
瞭解服務中的新功能。 這些專案可能是版本資訊、影片、部落格文章，以及其他類型的資訊。 將此頁面加入書籤，以隨時掌握服務的最新狀態。
2022 年 5 月
估計最低預算
- 在 自訂視覺 入口網站中，用戶現在可以檢視訓練其專案所需的最低估計預算。 此估計值（以小時為單位）是根據用戶上傳的影像量和用戶選取的網域來計算。
2020 年 10 月
自定義基底模型
- 有些應用程式有大量的聯合定型數據，但需要個別微調其模型：這會導致不同來源的影像效能較佳，但有輕微差異。 在此情況下，您可以使用大量的定型數據來定型第一個模型。 然後在要求主體中使用 CustomBaseModelInfo 在 3.4 公開預覽 API 中呼叫 TrainProject，以使用第一個階段定型的模型作為下游專案的基底模型。 如果來源專案和下游目標專案具有類似的影像特性，您可以預期效能更佳。
新增網域資訊
- 自訂視覺 3.4 公開預覽 API 中從 GetDomains 傳回的網域資訊現在包含支援的可匯出平臺、模型架構的簡短描述，以及精簡網域的模型大小。
訓練差異意見反應
- 自訂視覺 3.4 公開預覽 API 現在會從 GetIteration 呼叫傳回 TrainingErrorDetails。 在失敗的反覆專案上，這會顯示失敗是否由定型差異所造成，這可以透過更高品質的定型數據來補救。
2020 年 7 月
Azure 角色型存取控制
- 自訂視覺 支援 Azure 角色型存取控制 （Azure RBAC），這是管理個別 Azure 資源存取權的授權系統。 若要瞭解如何管理 自訂視覺 專案的存取權，請參閱 Azure 角色型訪問控制。
子集定型
- 在定型物件偵測專案時，您可以選擇只定型套用標記的子集。 如果您尚未套用足夠的特定標籤，但您確實有足夠的其他標籤，您可能會想要這麼做。 請遵循 C# 或 Python 的用戶端連結 庫快速入門 以深入瞭解。
Azure 記憶體通知
- 您可以將 自訂視覺 專案與 Azure Blob 記憶體佇列整合，以取得已發行模型的專案定型/匯出活動和備份複本的推播通知。 這項功能有助於避免在長時間作業執行時持續輪詢服務的結果。 相反地，您可以將記憶體佇列通知整合到工作流程中。 若要深入瞭解，請參閱 儲存體 整合指南。
複製和移動專案
- 您現在可以將專案從一個 自訂視覺 帳戶複製到其他帳戶。 您可能想要將專案從開發移至生產環境，或將專案備份至不同 Azure 區域中的帳戶，以提高數據安全性。 若要深入瞭解，請參閱複製和移動專案指南。
2019 年 9 月
建議的標籤
2019 年 5 月
- 錯誤修正和後端改善
- 改善與 Azure 訂用帳戶相關的入口網站 UX 體驗，讓您更輕鬆地選取 Azure 目錄。
2019 年 4 月
- 將每個影像周框方塊數目的限制增加到 200。
- Bug 修正，包括導出至 TensorFlow 之模型的大幅效能更新。
- 已新增視覺 AI 開發工具包的物件偵測導出。
- UI 調整，包括項目搜尋。
2019 年 3 月
- 自訂視覺 服務已在 Azure 上進入正式運作！
- 已新增進階訓練功能與新的機器學習後端，以提升效能，特別是在具有挑戰性的數據集和精細分類上。 透過進階訓練，您可以指定定型的計算時間預算，自訂視覺 會實驗性地識別最佳的訓練和增強設定。 針對快速反覆專案，您可以繼續使用現有的快速定型。
- 引進 3.0 API。 2019 年 10 月 1 日宣佈即將淘汰 3.0 前 API。 如需如何開始使用的範例，請參閱檔快速入門。
- 以 3.0 API 中的 Publish/Unpublish 取代 「預設反覆專案」。
- 已新增模型導出目標。 Dockerfile 導出已升級為支援Raspberry Pi 3的ARM。 已將匯出支援新增至視覺 AI 開發工具組。
- 將每個項目的標籤限制增加到 S0 層的 500 個。 將每個專案的影像限制增加到 S0 層的 100,000 個。
- 已移除成人網域。 建議改用一般網域。
- 已宣佈 正式運作的定價 。
2019 年 2 月
- 宣佈有限試用版專案（專案未與 Azure 資源相關聯），因為 自訂視覺 即將完成移至 Azure 公開預覽版。 自 2019 年 3 月 25 日起，CustomVision.ai 網站僅支持檢視與 Azure 資源相關聯的專案，例如免費 自訂視覺 資源。 到 2019 年 10 月 1 日，您仍然可以透過 自訂視覺 API 存取現有的有限試用版專案。 這可讓您有時間更新任何已使用 自訂視覺 撰寫的應用程式 API 金鑰。 在 2019 年 10 月 1 日之後，您尚未移至 Azure 的任何有限試用專案都將被刪除。
2019 年 1 月
- 新增新 Azure 區域的支持：美國西部 2、美國東部、美國東部 2、西歐、北歐、東南亞、澳大利亞東部、印度中部、英國南部、日本東部和美國中北部。 美國中南部的支援仍在繼續。
2018 年 12 月
- 支援物件偵測模型的導出（引進物件偵測精簡定義域）。
- 已修正一些改善螢幕助讀程式和鍵盤瀏覽支援的輔助功能問題。
- 影像查看器的 UX 更新和改善的物件偵測標記體驗，以加快標記速度。
- 已更新物件偵測網域的基底模型，以取得更好的品質物件偵測。
- 錯誤修正。
2018 年 11 月
- 已新增物件偵測中標誌網域的支援。
2018 年 10 月
- 物件偵測會進入付費預覽。 您現在可以使用 Azure 資源建立物件偵測專案。
- 已將「移至 Azure」功能新增至網站，讓您更輕鬆地升級有限試用版專案以連結至 Azure。 資源連結專案 （F0 或 S0.）您可以在產品的 [設定] 頁面上找到此專案。
- 已將匯出新增至 ONNX 1.2，以支援 Windows 2018 10 月更新版本的 Windows ML。 錯誤修正，包括搭配特殊字元的 ONNX 匯出。
2018 年 8 月
- 已將「開始使用」小工具新增至 customvision.ai 網站，以引導使用者完成項目訓練。
- 進一步改善機器學習管線，以利多標籤專案（新的損失層）。
2018 年 6 月
- UX 重新整理，著重於方便使用和輔助功能。
- 機器學習管線的改善，可讓具有大量標記的多標籤受益。
- 已修正 TensorFlow 導出中的 Bug。 已啟用導出的模型版本設定，因此可以多次匯出反覆專案。
- 錯誤修正和後端改善。
- 針對影像只有一個標籤的專案，啟用多類別分類。 在多類別模式的預測中，機率會加總為一個（所有影像都會分類在您指定的標記之間）。
2018 年 5 月
- 引進了有限試用版專案的預覽對象偵測功能。
- 升級至 2.0 API
- S0 層擴充至最多 250 個標籤和 50,000 個影像。
- 影像分類項目的機器學習管線大幅改善後端。 在 2018 年 4 月 27 日之後訓練的專案將受益於這些更新。
- 已將模型導出至 ONNX，以便與 Windows ML 搭配使用。
- 已將模型導出至 Dockerfile。 這可讓您下載成品來建置自己的 Windows 或 Linux 容器，包括 DockerFile、TensorFlow 模型和服務程式代碼。
- 針對導出至一般 （Compact） 和地標 （Compact） 網域中 TensorFlow 的新定型模型， 平均值現在為 0,0,0,0，以在所有專案中保持一致性。
2018 年 3 月
- 輸入付費預覽並上線至 Azure 入口網站。 項目現在可以附加至具有 F0（免費）或 S0（標準）層的 Azure 資源。 引進 S0 層專案，最多可允許 100 個標記和 25,000 個影像。
- 機器學習管線/正規化參數的後端變更。 這可讓客戶在調整機率閾值時，更妥善地控制精確度召回取捨。 在這些變更中，CustomVision.ai 入口網站中的預設 Probability Threshold 設定為 50%。
2017 年 12 月
- 匯出至 Android （TensorFlow） 新增，除了先前發行的 iOS 導出至 iOS （CoreML.這可讓導出已定型的精簡模型在應用程式中脫機執行。
- 已新增零售和地標「精簡」網域，以啟用這些網域的模型導出。
- 發行版本 1.2 定型 API 和 1.1 預測 API。 更新的 API 支援模型匯出、不會將影像儲存至「預測」的新預測作業，並將批次作業引入定型 API。
- UX 調整，包括查看哪些網域用來定型反覆專案的能力。
- 已更新 C# SDK 和範例。