目录
在这里，我们从一个数据集开始，该数据集将让我们的模型了解图像中何时何地出现人，以便我们可以使用它来确定行人是否已经走到我们的车辆前面。然后，我们演示如何使用Azure自定义视觉训练可以检测行人存在和位置的对象检测。
人工智能(AI)已成为我们日常生活的基本组成部分。人工智能无处不在，从社交媒体和网络搜索到智能助手、地图方向和面部识别。然而，了解这些智能应用程序的功能通常仅限于具有大量机器学习和深度学习知识的AI专家。
Microsoft提供Azure认知服务来消除这些障碍，将机器学习算法作为一项独特的服务提供。这些服务的可用性彻底改变了理解和构建智能应用程序的能力。曾经仅限于经验丰富的AI专家的功能现在可供所有经验水平的开发人员使用。现在，开发人员只需订阅云服务即可访问这些服务，无需编写高级机器学习算法即可将AI功能构建到应用程序中。
Azure认知服务包括几个预先训练的API服务，因此几乎不可能在本文的范围内查看所有这些服务。相反，本系列文章侧重于自定义视觉服务。它的目标是使机器学习模型能够确定人出现在图像中的时间和位置。然后，该模型可以识别行人何时走到车辆前面。该模型在物联网设备上运行，以持续监控车辆前方的道路。
此演示的代码可在GitHub上找到。
首先，本文将探讨使用 Azure 自定义视觉训练对象检测模型的过程。然后，在第二篇文章中，我们将测试模型以确保它可以部署。最后，在本系列的第三篇也是最后一篇文章中，我们将在Raspberry Pi上部署模型，准备安装在车辆中进行实时行人检测。
什么是Azure自定义视觉？
Azure自定义视觉是一种图像识别服务，无需任何机器学习专业知识即可为自定义域构建和训练图像标识符模型。自定义视觉服务使用为用例提供的图像集自定义预训练的图像识别模型。
因为它使用预先训练的模型，所以该服务既不需要大量的数据集，也不需要训练持续时间来训练功能性的特定用途模型。此外，自定义视觉服务提供了一个简单的用户界面(UI)来训练和测试模型，然后将训练好的模型添加到应用程序中。
设置自定义视觉服务
若要使用Azure自定义视觉训练人体检测模型，您需要：
- 有效的Azure订阅
- Azure自定义视觉帐户
- 包含人类的图像数据集
Azure帐户提供12个月的免费流行服务和200美元的信用额度，可在30天内充分探索Azure。
在Azure中创建自定义视觉资源
在使用自定义视觉训练对象检测模型之前，我们必须在Azure中创建自定义视觉资源。这个单一资源允许上传训练图像、训练图像识别模型和测试模型。您无需编写任何代码即可完成所有这些操作。
要创建自定义视觉资源，请使用您的Microsoft帐户登录Azure门户。登录后，单击创建资源。
在下一页上，单击自定义视觉。然后，在Custom Vision页面上，单击Create。
在“创建自定义愿景”页面上，选择您的订阅和资源组。如果您之前没有创建过资源组，请单击新建以创建新的资源组并为其命名。
接下来，选择一个区域，为您的资源命名，然后选择免费层进行训练和预测。输入所有必需的详细信息后，单击左下角的查看 + 创建。
您的服务将需要几秒钟来验证设置。验证完成后，单击创建。
部署可能需要一些时间，具体取决于您的连接。成功后，单击转到您的资源以在您的资源组中找到您的训练和预测服务。
我们已经成功部署了自定义视觉服务。下一步是创建Azure自定义视觉帐户。
创建Azure自定义视觉帐户
现在您的服务在Azure中运行，您可以在自定义视觉门户中创建一个项目并开始训练您的模型。但是，在构建项目之前，您需要一个Azure自定义视觉帐户。
因此，请转到Azure自定义视觉服务。
在这里，使用链接到Azure订阅的Microsoft帐户登录并接受服务条款。
成功登录表明您的自定义视觉帐户已准备就绪。您现在可以在门户中创建一个项目。
在自定义视觉门户中创建项目
在Custom Vision门户主页上，单击NEW PROJECT。
在下一页上，为您的项目命名——在本例中为“pedestrian-detection”——并选择一个资源。由于这是一个经典的对象识别问题，因此选择Object Detection作为项目类型并选择General (compact) [S1]作为域，因为您只能导出在紧凑域上训练的模型。
填写完所有必填字段后，单击Create project。
项目完成后，将加载项目主页。您的设置现已完成，您可以开始训练模型。
建立一个模型来检测人类
自定义视觉服务需要上传一组用户选择的图像并相应地标记它们。这些图像将为特定用例定制图像识别模型。
由于目标是检测图片中是否存在人，因此图像数据集必须包含人。为此，请使用Kaggle上可用的INRIAPerson数据集。在继续之前从数据集中下载照片。
在Custom Vision门户的项目页面上，单击Add images。
从INRIAPerson训练数据集中选择几张图像并上传文件。
接下来，标记上传的图像。
单击第一个图像以打开一个包含该图像的扩展窗口。将鼠标悬停在其上以选择感兴趣的对象（在本例中为人）并将其标记为human。
对其余照片重复此过程。
标记所有图像后，单击门户右上角的训练。
接下来，选择Quick Training，然后单击Train。
该模型需要一些时间来训练。训练完成后，将显示模型的性能统计信息。
下一步
Azure自定义视觉服务简化了机器学习模型的训练，无需编写任何代码。该服务使更广泛的开发人员能够在其应用程序中嵌入智能功能，从而减少开发时间并消除对广泛AI专业知识的需求。
这篇文章展示了如何训练一个简单的机器学习模型，该模型可以识别人类出现在图像中的时间和位置。以下文章将演示如何测试此模型并在必要时对其进行重新训练。
要了解如何通过更快的AI方法推动应用程序创新并获得持久的业务收益，请查看Forrester研究：通过专业云AI服务推动应用程序创新。
https://www.codeproject.com/Articles/5326981/Training-a-Custom-Object-Detection-Model-on-Azure
772
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
