Imagens de Importação

Artigo
05/06/2019

Importante

O suporte para o Estúdio de ML (clássico) terminará a 31 de agosto de 2024. Recomendamos a transição para o Azure Machine Learning até essa data.

A partir de 1 de dezembro de 2021, não poderá criar novos recursos do Estúdio de ML (clássico). Até 31 de agosto de 2024, pode continuar a utilizar os recursos existentes do Estúdio de ML (clássico).

Consulte informações sobre projetos de machine learning em movimento de ML Studio (clássico) para Azure Machine Learning.
Saiba mais sobre Azure Machine Learning.

A documentação do Estúdio de ML (clássico) está a ser descontinuada e poderá não ser atualizada no futuro.

Carrega imagens de Azure BLOB Armazenamento num conjunto de dados

Categoria: Módulos da Biblioteca OpenCV

Nota

Aplica-se a: Machine Learning Studio (clássico) apenas

Módulos semelhantes de arrasto e queda estão disponíveis em Azure Machine Learning designer.

Visão geral do módulo

Este artigo descreve como usar o módulo Import Images em Machine Learning Studio (clássico), para obter várias imagens do armazenamento de Azure Blob e criar um conjunto de dados de imagem a partir deles.

Quando utiliza este módulo para carregar imagens do armazenamento de bolhas no seu espaço de trabalho, cada imagem é convertida numa série de valores numéricos para os canais vermelho, verde e azul, juntamente com o nome do ficheiro de imagem. Um conjunto de dados dessas imagens consiste em múltiplas linhas numa tabela, cada uma com um conjunto diferente de valores RGB e nomes de ficheiros de imagem correspondentes. Para obter instruções sobre como preparar as suas imagens e ligar-se ao armazenamento de bolhas, consulte Como Importar Imagens.

Depois de ter convertido todas as suas imagens, pode então passar este conjunto de dados para o módulo 'Modelo de Pontuação ' e ligar um modelo de classificação de imagem pré-treinado para prever o tipo de imagem.

Pode importar qualquer tipo de imagens usadas para machine learning; no entanto, existem limitações, incluindo os tipos e tamanho das imagens que podem ser processadas, consulte a secção de notas técnicas .

Como utilizar imagens de importação

Este exemplo pressupõe que fez o upload de várias imagens para a sua conta no armazenamento de blob Azure. As imagens estão num contentor designado apenas para o efeito. Em regra, cada imagem deve ser relativamente pequena e ter as mesmas dimensões e canais de cor. Para obter uma lista detalhada dos requisitos aplicáveis às imagens, consulte a secção de notas técnicas .

Adicione o módulo Import Images à sua experiência em Studio (clássico).
Adicione a Classificação de Imagem em Cascata pré-treinada e o módulo de Modelo de Pontuação .
No módulo Imagens importadas , configurar a localização das imagens e fornecer o método de autenticação, privado ou público:
- Se o conjunto de imagens estiver numa bolha que tenha sido configurada para acesso público através de Assinaturas de Acesso Partilhado (SAS), digite o URL no recipiente que detém as imagens.
- Se as imagens forem armazenadas numa conta privada no armazenamento do Azure, selecione Conta e, em seguida, digite o nome da conta tal como aparece no portal de gestão. Em seguida, cole na chave de conta primária ou secundária.
- Para o caminho para o recipiente, escreva apenas o nome do recipiente, e nenhum outro elemento de caminho.
Ligação a saída de Import Images para o módulo 'Modelo de Pontuação'.
Execute a experimentação.

Resultados

Cada linha do conjunto de dados de saída contém dados de uma imagem. As linhas são classificadas alfabeticamente pelo nome da imagem, e as colunas contêm as seguintes informações, por esta ordem:

A primeira coluna contém nomes de imagem.
Todas as outras colunas contêm dados achatados dos canais de cor vermelha, verde e azul, por esta ordem.
O canal de transparência é ignorado.

Dependendo da profundidade de cor da imagem e do formato de imagem, pode haver muitos milhares de colunas para uma única imagem. Portanto, para visualizar os resultados da experiência, recomendamos que adicione as Colunas Selecionadas no módulo Dataset e selecione apenas estas colunas:

Nome da Imagem
Etiquetas Classificadas
Probabilidades Pontuadas

Notas técnicas

Esta secção contém detalhes de implementação, dicas e respostas para perguntas frequentes

Formatos de imagem suportados

O módulo Import Images determina o tipo de imagem lendo os primeiros bytes do conteúdo, e não pela extensão do ficheiro. Com base nessa informação, determina se a imagem é um dos formatos de imagem suportados.

Windows ficheiros bitmap: .bmp, .dib
Ficheiros JPEG: .jpeg, .jpg, .jpe
Ficheiros JPEG 2000: .jp2
Gráficos de rede portáteis: .png
Formato de imagem portátil: .pbm, .pgm, .ppm
Sun Raster: .sr, .ras
Ficheiros TIFF: .tiff, .tif

Requisitos de imagem

Os seguintes requisitos aplicam-se às imagens processadas pelo módulo Import Images :

Todas as imagens devem ter a mesma forma.
Todas as imagens devem ter os mesmos canais de cor. Por exemplo, não é possível misturar imagens em tons de cinza com imagens RBG.
Há um limite de 65536 pixels por imagem. No entanto, o número de imagens não é limitado.
Se especificar um recipiente blob como fonte, o recipiente não deve conter outros tipos de dados. Certifique-se de que o recipiente contém apenas imagens antes de executar o módulo.

Outras restrições

Se pretender utilizar o módulo de classificação de imagem em cascata pré-treinado , esteja ciente de que atualmente suporta apenas o reconhecimento de rostos em vista frontal; outros classificadores de imagem ainda não estão disponíveis.
Não é possível utilizar conjuntos de dados de imagem com estes módulos: Modelo de treino , validado por cruz.

Parâmetros do módulo

Nome	Intervalo	Tipo	Predefinição	Description
Por favor, especifique o tipo de autenticação	Lista	AutenticaçãoType	Conta	Assinatura de acesso público ou partilhado (SAS) URI ou credenciais de utilizador
URI	Qualquer	String	nenhum	Identificador de Recursos Uniformes com SAS ou acesso público
Nome da conta	Qualquer	String	nenhum	Nome da conta Azure Armazenamento
Chave da conta	Qualquer	SecureString	nenhum	Chave associada à conta Azure Armazenamento
Caminho para contentor, diretório ou bolha	Qualquer	String	nenhum	Caminho para bolha ou nome da mesa

Saída

Nome	Tipo	Description
Conjunto de dados de resultados	Tabela de Dados	Dataset com imagens descarregadas

Exceções

Exceção	Description
Erro 0003	A exceção ocorre se uma ou mais entradas forem nulas ou vazias.
Erro 0029	A exceção ocorre quando o URI inválido é passado.
Erro 0009	A exceção ocorre se o nome da conta de armazenamento Azure ou o nome do contentor forem especificados incorretamente.
Erro 0015	A exceção ocorre se a ligação da base de dados tiver falhado.
Erro 0030	A exceção ocorre quando não é possível descarregar um ficheiro.
Erro 0049	A exceção ocorre quando não é possível analisar um ficheiro.
Erro 0048	A exceção ocorre quando não é possível abrir um ficheiro.

Para obter uma lista de erros específicos dos módulos Studio (clássicos), consulte Machine Learning Códigos de Erro.

Para obter uma lista de exceções da API, consulte Machine Learning CÓDIGOs de Erro da API REST.

Ver também

Classificação de imagem em cascata pré-treinada
Lista de Módulos A-Z

Partilhar via