微软认知服务 图像自定义分类器

                                                           微软认知服务 图像自定义分类器

在这一篇中将大致介绍Custom Vision这个类别提供的功能，且通过创建一个字母图像识别器来说明Custom Vision 如何使用。

Custom Vision Service

功能

简单来说该服务可以为用户自定义数据快速地构建分类器，根据生成的分类器，可以预测新数据是某个分类的概率。比如：如果我们需要在图片中找出一条白色毛，穿红色宠物服的狗。那么我们可以上传带有这两个特征图像集，并且将其设置为WhiteDog_RedClothes,则该服务根据上传的图像集构建一个模型，这个模型可以对于新上传的图像判断出图片为WhiteDog_RedClothes的概率。

当然，判断的结果很有可能不理想，那么则需要对输入数据进行调整，具体见下一篇文章（自定义预测模型的优化）。

服务提供方式

该服务提供多种语言（c#,python,java,javascript）版本的SDK和可视化的网页接口，可以当独使用其中任意一种，也可以两者结合使用。比如通过在在网页端上传数据训练模型，然后在应用程序中通过SDK  API使用训练好的模型。

图像分类过程可以看作是由三个阶段组成的流水线，

首先是输入阶段，在这个阶段时，使用训练集手动分类为我们希望模型识别的每个类别；

然后是学习阶段，使用这些训练集来学习类别的独特特征。这也是模型训练过程（training the model）。

最后是评估模型，查看其正确程度是否达到可以使用的水平。用的是另一些与training set中不同的数据（但是数量少一些，一般是training set 的25%），并且也进行了手动分类（分类器与输入阶段的一样）在2.0版本中，会自动将数据分为training set和evaluation set。

通过提供完善的数据，根据以上步骤培训出符合要求的模型后，就根据可以这个模型进行预测。

与Compute Vision Service的区别

Computer Vision Service: 由使用较通用的模型，由微软持续编译，维护和改善。使用该预编译的模型可以进行一些较通用的图像分类，文本识别，智能生成缩略图。如果目标是在应用程序中提供常规图像分类服务，则Computer Vision服务可能是最好的选择，因为它不需要对图像进行分类，标记和构建和测试模型的工作。比如：在图片找出一条狗。

创建字母识别器

同所有azure资源一样，使用一个资源总是从定阅开始。如果之前定阅过cognitive service的话，那么对于这个service也可以使用之前cognitive service的定阅Key。如果没有，请参考以下定阅步骤。

定阅Custom Vision

打开https://portal.azure.com/,  进入以下页面（无法进入该页面的，请参考入门篇），在搜索框中输入custom vision, 如下

选中，弹出如下界面

点击 create

参数说明：

Resources group, 为所创建的资源选一个group，可以加到已存在的group中，也可以新创建一个。

Training pricing tier,选择一个免费的。

但是免费选项在使用上是有限制的，每个subscription只能有一个（服务），在这个里面，使用的训练数据和transaction次数也是有限的。使用付费版本时，需要为每千次transaction支付一定的费用，并且还需要支付数据的存储费用。

费用详情在此

https://azure.microsoft.com/en-us/pricing/details/cognitive-services/custom-vision-service/

 

点击 “Next:Tag” button，为资源设置一个tag，貌似不能缺省

Tag 设置完成后，会到以下确认界面。

确定之后，进入 环境配置等待页面中，配置完成后，会出现以下面界面

这里会自动多创建一个带Prediction后缀名的资源 ，点击右上角的settting按钮进入，可以看到这是一个service/project下面的两种不同的资源类型。

前面 “服务提供方式”的章节中，我们可以看到该服务提供构建自定义分类器的功能，也提供预测功能。并且这两部分都可以分开使用的，所以当我们创建了该资源时，会自动生成用于预测的资源。

打开刚才创建的资源 “CustomVisionForStudy”，在弹出的窗口中点击 custom vision portal

此时，若还没创建项目时，会弹出 “Terms of Service”的确认框，点击 “I agree”

Loading 完成后，可以创建项目

所有在这里提交的参数信息都可以后面根据具体的需求修改。（需要修改时，在此页面，打开已创建的project，点击右上角的setting）

创建好之后，就可以直接上传用于作模型训练的数据，以下例子中使用的数据上传在此

https://download.csdn.net/download/mochounv/12323370

实现字母识别

数据输入

点击 “Add Images” ，可以上传数据，并且对于上传数据给一个Tag，这个Tag就相当于自定义类别的标识符。因为在本例中是为了识别字母，所以我上传了所有“a” 字母的图片，给的tag都是”a“，

所有”b”字母图片，给”b”…部分测试数据集上传在此。

模型训练

上传好数据，并做好标签后，直接点击右上角的train按钮，服务器就会自动为我们创建好模型并且评估模型。

完成后，我们将为模型的迭代1提供一些统计信息。每次我们训练模型时，我们都会保存一个新的迭代。修改输入，改变迭代的输出结果，提供模型的精确度。

模型评估

Precision 与recall

假如总输入是6张图片，3张为A类，3张为B类，如果模型预测2张A类的图片为A类图片，2张B类图片也为A类图片，那么，precision为50%; recall 为2/3 =67%。

预测功能

点击右上角的 “Predictions” 上传任意新数据，比如我上传了一个大小不一样的”a”图片。得到以下结果，这个结果主要原因是我的数据集中有部分图片不清晰造成，下一节将讨论尝试提高预测的精确度。