建立自訂專案

7 分鐘

若要建立自訂的 Azure AI 視覺模型，您首先需要 Azure AI 服務資源 (或 Azure AI 視覺資源)。一旦該資源部署至您的訂用帳戶，您必須建立自訂專案。

自訂視覺專案的元件

自訂專案的第一個元件是資料集。資料集是您定型模型時所使用的影像集合，以及定義這些影像標籤資訊的 COCO 檔案。您的資料集會儲存在 Azure Blob 儲存體容器中，我們會在此單元中進一步討論 COCO 檔案的詳細資訊。

定義影像和類別標籤之後，您就可以定型自訂模型。定型模型時，您可以指定要定型的模型類型、要使用的資料集，以及定型預算 (時間長度)。模型定型完成時，您可以檢視效能，並使用模型進行預測。

在大部分情況下，您遵循的步驟如下：

建立 Blob 儲存體容器，並只上傳定型影像。
建立專案的資料集，並將其連線至您的 Blob 儲存體容器。建立資料集時，您可以定義專案的類型 (影像分類、物件偵測或產品辨識)。
在 Azure Machine Learning 資料標記專案中標記您的資料，這會在 Blob 儲存體容器中建立 COCO 檔案。
將已標記影像的已完成 COCO 檔案連線至您的資料集。
在建立的資料集和標籤上定型您的自訂模型。
確認效能，並查看定型效能是否符合預期。

一旦您對效能感到滿意，模型就可以在 Vision Studio 或您自己的應用程式中使用。

COCO 檔案

COCO 檔案是具有特定格式的 JSON 檔案，其會定義下列項目：

影像：定義 Blob 儲存體中的影像位置、名稱、寬度、高度和識別碼。
註釋：定義分類 (或物件)，包括影像分類為哪個類別、區域和周框方塊 (如果為物件偵測加上標籤)。
類別：定義具名標籤類別的識別碼。

在大部分情況下，COCO 檔案是透過在 Azure Machine Learning 資料標記專案中標記定型影像所建立。如果您要從舊的自訂視覺專案移轉，則可以使用移轉指令碼來建立 COCO 檔案。

COCO 檔案範例如下所示：

{
  "images": [
    {
      "id": 1,
      "width": 1024,
      "height": 768,
      "file_name": "abc.jpg",
      "coco_url": "AmlDatastore://fruit/abc.jpg",
      "absolute_url": "https://myBlobStorage.blob.core.windows.net/fruit/abc.jpg",
      "date_captured": "<date>"
    },
    {
      "id": 2,
      "width": 1024,
      "height": 768,
      "file_name": "xyz.jpg",
      "coco_url": "AmlDatastore://fruit/xyz.jpg",
      "absolute_url": "https://myBlobStorage.blob.core.windows.net/fruit/xyz.jpg",
      "date_captured": "<date>"
    },
    <...>
  ],
  "annotations": [
    {
      "id": 1,
      "category_id": 1,
      "image_id": 1,
      "area": 0.0
    },
    {
      "id": 2,
      "category_id": 1,
      "image_id": 2,
      "area": 0.0
    },
    <...>
  ],
  "categories": [
    {
      "id": 1,
      "name": "apple"
    },
    {
      "id": 2,
      "name": "orange"
    },
    {
      "id": 3,
      "name": "banana"
    }
  ]
}

如果您要為物件偵測資料集加上標籤，COCO 檔案中的每個標註也會包含周框方塊陣列，而陣列中的值為 Left、Top、Width 和 Height。

"bbox": [
    0.11803319477782331,
    0.41586723392402375,
    0.7765206955096307,
    0.3483334397217212
]

建立資料集

在 Blob 儲存體容器中具有影像之後，您可以使用 REST API 或使用 Vision Studio 來建立資料集以進行定型。 REST 要求類似於下列 REST 呼叫：

curl -X PUT https://<endpoint>/computervision/datasets/<dataset-name>?api-version=<version>\
  -H "Content-Type: application/json" \
  -H "Ocp-Apim-Subscription-Key: <subscription-key>" \
  --data-ascii "
  {
    'annotationKind':'imageClassification',
    'annotationFileUris':['<URI>']
  }"

如果使用 Vision Studio，您可以瀏覽至自訂模型圖格、選取您的資源，然後建立資料集。您可以從該處開啟或建立 Azure Machine Learning 資料標記專案，或上傳現有的 COCO 檔案。本課程模組中的練習會逐步解說如何以這種方式建立資料集。

使用 Vision Studio 可讓您連線至 Azure Machine Learning 中的標記專案，而不是在 REST 要求中指定 COCO 檔案。本課程模組中的其餘範例會使用 Vision Studio，但如果 REST 是您慣用的方法，請參閱文件頁面以取得範例。

建立自訂專案

自訂視覺專案的元件

COCO 檔案

建立資料集

意見反應