Azure 指南/计算机视觉

在本节中，我们将介绍 Azure 的另一个有趣功能，计算机视觉。

介绍

它是一种机器学习形式，我们使用不同图像来训练系统，这些图像被识别为不同的标签。然后，可以使用这些密钥在应用程序中进一步使用此模型。请注意，这是一项没有免费替代品的服务；过去曾有一个“有限试用”选项，但此选项最近已停用。（请记住，微软确实针对 Azure 提供了不同的促销活动。）

此外，不使用主门户网站（portal.azure.com）；而是使用 computevision.ai 网站（仍然由微软提供）。

流程

如上所述，需要 Azure 订阅。如果没有，将无法继续。

• 转到 computevision.ai 网站，并创建一个新项目。然后将项目分配给资源组，如果需要，创建一个新的资源组。
• 为项目命名，并选择类型。此部分的选项主要取决于所需的项目类型：您是想识别图像还是图像中的对象？您的项目将基于哪些图像类别？根据您的需求仔细选择它们。

• 添加您的图像。请注意，每个图像的大小不得超过 6 MB，不能是视频（因为它们难以训练），并且您只能向整个模型添加 150 张图像。此过程可以重复。[注意：根据您获取图像的方式，您可能需要进行一些图像清理以删除无意义的图像。]

可以使用 Bing 图像 CLI 服务快速获取给定标签的库存图像。

• 单击“训练”。请注意，如果只有一个标签，那么您将收到一条错误消息，提示“您的项目还无法训练。确保您至少有两个标签，并且每个标签至少有五张图像。”计算机视觉现在将运行一些迭代测试。正如我们在下面看到的那样，我们的模型相当可靠（尽管通常添加更多模型总是有利于提高可靠性）。

• 使用“快速测试”选项将允许您尝试您选择的图像，以便计算机视觉模型进行评估。这是确保模型可靠性的一个非常好的方法。我们的测试图像返回以下结果

标签	概率
啤酒	99.9%
葡萄酒	0%

如此一边倒的结果很可能意味着它是准确的（在本例中确实是如此）。

• 准备就绪后，发布您的迭代。然后，您将能够获得用于集成到应用程序中的所需 URL，这些 URL 通常具有以下形式

参见

• 另一个有关计算机视觉的教程。包含可用于本指南的示例图像。