Udostępnij za pośrednictwem

Wybieranie domeny dla projektu usługi Custom Vision

  • Artykuł

W tym przewodniku pokazano, jak wybrać domenę dla projektu w usłudze Custom Vision Service. Domeny są używane jako punkt wyjścia dla projektu.

Zaloguj się do swojego konta w witrynie internetowej usługi Custom Vision, a następnie wybierz projekt. Wybierz ikonę Ustawienia w prawym górnym rogu. Na stronie Ustawienia projektu możesz wybrać domenę modelu. Należy wybrać domenę znajdującą się najbliżej scenariusza przypadku użycia. Jeśli uzyskujesz dostęp do usługi Custom Vision za pośrednictwem biblioteki klienta lub interfejsu API REST, musisz określić identyfikator domeny podczas tworzenia projektu. Listę identyfikatorów domen można uzyskać przy użyciu żądania Pobierz domeny . Możesz też użyć poniższej tabeli.

Domeny klasyfikacji obrazów

Domain ID Purpose
Ogólne ee85a74c-405e-4adc-bb47-ffa8ca0c9f31 Zoptymalizowane pod kątem szerokiego zakresu zadań klasyfikacji obrazów. Jeśli żadna z innych domen nie jest odpowiednia lub nie masz pewności, którą domenę wybrać, wybierz jedną z domen ogólnych .
Ogólne [A1] a8e3c40f-fb4a-466f-832a-5e457ae4a344 Zoptymalizowane pod kątem lepszej dokładności z porównywalnym czasem wnioskowania jako domena Ogólna . Zalecane w przypadku większych zestawów danych lub bardziej trudnych scenariuszy użytkownika. Ta domena wymaga więcej czasu trenowania.
Ogólne [A2] 2e37d7fb-3a54-486a-b4d6-cfc369af0018 Zoptymalizowane pod kątem lepszej dokładności z krótszym czasem wnioskowania niż Ogólne [A1] i Domeny ogólne . Zalecane w przypadku większości zestawów danych. Ta domena wymaga mniej czasu trenowania niż domeny Ogólne i Ogólne [A1].
Żywność c151d5b5-dd07-472a-acc8-15d29dea8518 Zoptymalizowane pod kątem zdjęć potraw, jak można je zobaczyć w menu restauracji. Jeśli chcesz sklasyfikować zdjęcia pojedynczych owoców lub warzyw, użyj domeny Food .
Zabytki ca455789-012d-4b50-9fec-5bb63841c793 Zoptymalizowany pod kątem rozpoznawalnych zabytków, zarówno naturalnych, jak i sztucznych. Ta domena działa najlepiej, gdy punkt orientacyjny jest wyraźnie widoczny na zdjęciu. Ta domena działa, nawet jeśli punkt orientacyjny jest nieco utrudniony przez ludzi przed nim.
Retail b30a91ae-e3c1-4f73-a81e-c270bff27c39 Zoptymalizowane pod kątem obrazów znajdujących się w katalogu zakupów lub witrynie internetowej zakupów. Jeśli chcesz sklasyfikować sukienki, spodnie i koszule o wysokiej precyzji, użyj tej domeny.
Domeny kompaktowe Zoptymalizowane pod kątem ograniczeń klasyfikacji w czasie rzeczywistym na urządzeniach brzegowych.

Uwaga

Domeny Ogólne [A1] i Ogólne [A2] mogą służyć do szerokiego zestawu scenariuszy i są zoptymalizowane pod kątem dokładności. Użyj modelu Ogólne [A2], aby uzyskać lepszą szybkość wnioskowania i krótszy czas trenowania. W przypadku większych zestawów danych warto użyć opcji Ogólne [A1], aby renderować lepszą dokładność niż Ogólne [A2], chociaż wymaga więcej czasu trenowania i wnioskowania. Model Ogólny wymaga więcej czasu wnioskowania niż ogólne [A1] i Ogólne [A2].

Domeny wykrywania obiektów

Domain ID Purpose
Ogólne da2e3a8a-40a5-4171-82f4-58522f70fbc1 Zoptymalizowane pod kątem szerokiego zakresu zadań wykrywania obiektów. Jeśli żadna z innych domen nie jest odpowiednia lub nie masz pewności, którą domenę wybrać, wybierz domenę Ogólne .
Ogólne [A1] 9c616dff-2e7d-ea11-af59-1866da359ce6 Zoptymalizowane pod kątem lepszej dokładności z porównywalnym czasem wnioskowania jako domena Ogólna . Zalecane w przypadku bardziej dokładnych potrzeb dotyczących lokalizacji regionów, większych zestawów danych lub trudniejszego scenariusza użytkownika. Ta domena wymaga więcej czasu trenowania, a wyniki nie są deterministyczne: spodziewaj się różnicy średniej precyzji (mAP) +-1% z podanymi tymi samymi danymi treningowymi.
Logo 1d8ffafe-ec40-4fb2-8f90-72b3b6cecea4 Zoptymalizowany pod kątem znajdowania logo marki na obrazach.
Produkty na półkach 3780a898-81c3-4516-81ae-3a139614e1f3 Zoptymalizowane pod kątem wykrywania i klasyfikowania produktów na półkach.
Domeny kompaktowe Zoptymalizowane pod kątem ograniczeń wykrywania obiektów w czasie rzeczywistym na urządzeniach brzegowych.

Domeny kompaktowe

Modele generowane przez domeny kompaktowe można eksportować do uruchamiania lokalnie. W interfejsie API publicznej wersji zapoznawczej usługi Custom Vision 3.4 można uzyskać listę platform, które można eksportować dla domen kompaktowych, wywołując interfejs API GetDomains.

Wszystkie poniższe domeny obsługują eksportowanie w formatach ONNX, TensorFlow, TensorFlowLite, TensorFlow.js, CoreML i VAIDK, z wyjątkiem tego, że domena General (compact) wykrywania obiektów nie obsługuje vaIDK.

Wydajność modelu różni się w zależności od wybranej domeny. W poniższej tabeli raportujemy rozmiar modelu i czas wnioskowania na procesorze Intel Desktop i procesorze GPU NVIDIA [1]. Te liczby nie obejmują czasu przetwarzania wstępnego i przetwarzania po jego przetwarzaniu.

Zadanie Domain ID Rozmiar modelu Czas wnioskowania procesora CPU Czas wnioskowania procesora GPU
Klasyfikacja General (compact) (Ogólne (kompaktowe)) 0732100f-1a38-4e49-a514-c9b44c697ab5 6 MB 10 ms 5 ms
Klasyfikacja Ogólne (kompaktowe) [S1] a1db07ca-a19a-4830-bae8-e004a42dc863 43 MB 50 ms 5 ms
Wykrywanie obiektów General (compact) (Ogólne (kompaktowe)) a27d5ca5-bb19-49d8-a70a-fec086c47f5b 45 MB 35 ms 5 ms
Wykrywanie obiektów Ogólne (kompaktowe) [S1] 7ec2ac80-887b-48a6-8df9-8b1357765430 14 MB 27 ms 7 ms

Uwaga

Domena Ogólna (kompaktowa) do wykrywania obiektów wymaga specjalnej logiki przetwarzania poprocesowego. Aby uzyskać szczegółowe informacje, zobacz przykładowy skrypt w wyeksportowanym pakiecie zip. Jeśli potrzebujesz modelu bez logiki przetwarzania po przetwarzaniu, użyj opcji Ogólne (kompaktowanie) [S1]..

Ważne

Nie ma gwarancji, że wyeksportowane modele dają dokładnie taki sam wynik jak interfejs API przewidywania w chmurze. Niewielka różnica w działającej platformie lub implementacji przetwarzania wstępnego może spowodować większą różnicę w danych wyjściowych modelu. Aby uzyskać szczegółowe informacje na temat logiki przetwarzania wstępnego, zobacz Szybki start: tworzenie projektu klasyfikacji obrazów.

[1] Procesor Intel Xeon E5-2690 i NVIDIA Tesla M60

Powiązana zawartość

Postępuj zgodnie z przewodnikiem Szybki start, aby rozpocząć tworzenie i trenowanie projektu usługi Custom Vision.