이미지 가져오기
중요
Machine Learning Studio(클래식)에 대한 지원은 2024년 8월 31일에 종료됩니다. 해당 날짜까지 Azure Machine Learning으로 전환하는 것이 좋습니다.
2021년 12월 1일부터 새로운 Machine Learning Studio(클래식) 리소스를 만들 수 없습니다. 2024년 8월 31일까지는 기존 Machine Learning Studio(클래식) 리소스를 계속 사용할 수 있습니다.
- ML Studio(클래식)에서 Azure Machine Learning으로 기계 학습 프로젝트 이동에 대한 정보를 참조하세요.
- Azure Machine Learning에 대한 자세한 정보.
ML Studio(클래식) 설명서는 사용 중지되며 나중에 업데이트되지 않을 수 있습니다.
Azure BLOB Storage 이미지를 데이터 세트로 로드합니다.
범주: OpenCV 라이브러리 모듈
모듈 개요
이 문서에서는 Machine Learning Studio(클래식)에서 이미지 가져오기 모듈을 사용하여 Azure Blob Storage에서 여러 이미지를 가져오고 이미지 데이터 세트를 만드는 방법을 설명합니다.
이 모듈을 사용하여 Blob Storage에서 작업 영역으로 이미지를 로드하는 경우 각 이미지는 이미지 파일 이름과 함께 빨간색, 녹색 및 파란색 채널에 대한 일련의 숫자 값으로 변환됩니다. 이러한 이미지의 데이터 세트는 테이블의 여러 행으로 구성되며 각 행에는 다른 RGB 값 집합과 해당 이미지 파일 이름이 있습니다. 이미지를 준비하고 Blob Storage에 연결하는 방법에 대한 지침은 이미지를 가져오는 방법을 참조하세요.
모든 이미지를 변환한 후에는 이 데이터 세트를 모델 점수 매기 기 모듈에 전달하고 미리 학습된 이미지 분류 모델을 연결하여 이미지 유형을 예측할 수 있습니다.
기계 학습에 사용되는 모든 종류의 이미지를 가져올 수 있습니다. 그러나 처리할 수 있는 이미지의 유형 및 크기를 포함하여 제한 사항이 있습니다. 기술 정보 섹션을 참조하세요.
이미지 가져오기를 사용하는 방법
이 예제에서는 Azure Blob Storage에서 계정에 여러 이미지를 업로드했다고 가정합니다. 이미지는 해당 용도로만 지정된 컨테이너에 있습니다. 일반적으로 각 이미지는 상당히 작아야 하며 크기와 색 채널이 같아야 합니다. 이미지에 적용되는 요구 사항의 자세한 목록은 기술 노트 섹션을 참조하세요.
Studio(클래식)에서 실험에 이미지 가져오기 모듈을 추가합니다.
미리 학습된 Cascade 이미지 분류 및 모델 점수 매기기 모듈을 추가합니다.
이미지 가져오기 모듈에서 이미지의 위치를 구성하고 인증 방법인 프라이빗 또는 퍼블릭을 제공합니다.
이미지 집합이 SAS( 공유 액세스 서명)를 통해 공용 액세스를 위해 구성된 Blob에 있는 경우 이미지를 보유하는 컨테이너에 대한 URL을 입력합니다.
이미지가 Azure Storage의 개인 계정에 저장된 경우 계정을 선택한 다음 관리 포털에 표시되는 계정 이름을 입력합니다. 그런 다음 기본 또는 보조 계정 키를 붙여넣습니다.
컨테이너 경로의 경우 컨테이너 이름만 입력하고 다른 경로 요소는 입력하지 않습니다.
실험을 실행합니다.
결과
출력 데이터 세트의 각 행에는 한 이미지의 데이터가 포함됩니다. 행은 이미지 이름으로 사전순으로 정렬되며 열에는 다음 정보가 순서대로 포함됩니다.
- 첫 번째 열에는 이미지 이름을 포함합니다.
- 다른 모든 열에는 빨간색, 녹색 및 파란색 채널의 평면화된 데이터가 이 순서대로 포함됩니다.
- 투명도 채널은 무시됩니다.
이미지의 색 깊이 및 이미지 형식에 따라 단일 이미지에 대해 수천 개의 열이 있을 수 있습니다. 따라서 실험 결과를 보려면 데이터 세트 모듈에서 열 선택 을 추가하고 다음 열만 선택하는 것이 좋습니다.
- 이미지 이름
- 점수가 매겨진 레이블
- 채점된 확률
기술 정보
이 섹션에는 자주 묻는 질문에 대한 구현 세부 정보, 팁 및 답변이 포함되어 있습니다.
지원되는 이미지 형식
이미지 가져오기 모듈은 파일 확장자를 통해서가 아니라 콘텐츠의 처음 몇 바이트를 읽어 이미지 형식을 결정합니다. 해당 정보에 따라 이미지가 지원되는 이미지 형식 중 하나인지 여부를 결정합니다.
- 비트맵 파일 Windows: .bmp, .dib
- JPEG 파일: .jpeg, .jpg, .jpe
- JPEG 2000 파일: .jp2
- 이식 가능한 네트워크 그래픽: .png
- 이식 가능한 이미지 형식: .pbm, .pgm, .ppm
- 선 래스터: .sr, .ras
- TIFF 파일: .tiff, .tif
이미지 요구 사항
다음 요구 사항은 이미지 가져오기 모듈에서 처리되는 이미지에 적용됩니다.
- 모든 이미지는 동일한 모양이어야 합니다.
- 모든 이미지에는 동일한 색 채널이 있어야 합니다. 예를 들어 회색조 이미지를 RBG 이미지와 혼합할 수 없습니다.
- 이미지당 픽셀은 65536개로 제한됩니다. 그러나 이미지 수는 제한되지 않습니다.
- Blob 컨테이너를 원본으로 지정하는 경우 컨테이너에 다른 형식의 데이터가 포함되어서는 안 됩니다. 모듈을 실행하기 전에 컨테이너에 이미지만 포함되어 있는지 확인합니다.
기타 제한 사항
미리 학습된 Cascade 이미지 분류 모듈을 사용하려는 경우 현재 정면 보기에서 얼굴 인식만 지원한다는 점에 유의하세요. 다른 이미지 분류자는 아직 사용할 수 없습니다.
모듈 매개 변수
| Name | 범위 | Type | 기본값 | 설명 |
|---|---|---|---|---|
| 인증 유형을 지정하세요 | 목록 | AuthenticationType | 계정 | 공용/SAS(공유 액세스 서명) URI 또는 사용자 자격 증명입니다. |
| URI | 모두 | 문자열 | 없음 | SAS 또는 공용 액세스 권한이 있는 URI(Uniform Resource Identifier)입니다. |
| 계정 이름 | 모두 | 문자열 | 없음 | Azure 저장소 계정의 이름입니다. |
| 계정 키 | 모두 | SecureString | 없음 | Azure 저장소 계정과 연결된 키입니다. |
| 컨테이너, 디렉터리 또는 Blob의 경로 | 모두 | 문자열 | 없음 | 테이블 이름 또는 Blob의 경로입니다. |
출력
| Name | 유형 | 설명 |
|---|---|---|
| 결과 데이터 집합 | 데이터 테이블 | 다운로드한 이미지가 포함된 데이터 집합입니다. |
예외
| 예외 | 설명 |
|---|---|
| 오류 0003 | 입력 중 하나 이상이 null이거나 비어 있으면 예외가 발생합니다. |
| 오류 0029 | 잘못된 URI가 전달되면 예외가 발생합니다. |
| 오류 0009 | Azure 저장소 계정 이름 또는 컨테이너 이름을 잘못 지정하면 예외가 발생합니다. |
| 오류 0015 | 데이터베이스 연결이 실패하면 예외가 발생합니다. |
| 오류 0030 | 파일을 다운로드할 수 없으면 예외가 발생합니다. |
| 오류 0049 | 파일을 구문 분석할 수 없으면 예외가 발생합니다. |
| 오류 0048 | 파일을 열 수 없으면 예외가 발생합니다. |
Studio(클래식) 모듈과 관련된 오류 목록은 Machine Learning 오류 코드를 참조하세요.
API 예외 목록은 MACHINE LEARNING REST API 오류 코드를 참조하세요.