Compreender a classificação

Concluído

Você pode usar uma técnica de classificação de aprendizado de máquina para prever a qual categoria, ou classe, algo pertence. Os modelos de machine learning de classificação utilizam um conjunto de dados de entrada denominados funcionalidades para calcular uma classificação de probabilidade para cada classe possível e prever uma etiqueta que indica a classe a que é mais provável um objeto pertencer.

Por exemplo, as funcionalidades de uma flor podem incluir as medidas das suas pétalas, do seu caule, das suas sépalas e de outras caraterísticas quantificáveis. Um modelo de machine learning pode ser preparado ao aplicar um algoritmo que calcula a espécie mais provável da flor (a sua classe) a estas medidas.

Diagrama que mostra um modelo de classificação com medidas florais como características e espécies como classes.

Diagrama que mostra a classificação das flores com base em medidas como características e espécies como classes.

Compreender a classificação de imagens

A classificação de imagens é uma técnica de machine learning em que o objeto classificado é uma imagem (por exemplo, uma fotografia).

Para criar um modelo de classificação de imagem, você precisa de dados que consistem em recursos e seus rótulos. Os dados existentes são um conjunto de imagens categorizadas. As imagens digitais são compostas por uma matriz de valores de píxeis e estes são utilizados como funcionalidades para preparar o modelo com base nas classes de imagens conhecidas.

Captura de tela da classificação de fotos com base em pixels como recursos e frutas como classes.

O modelo é treinado para corresponder os padrões nos valores de pixel a um conjunto de rótulos de classe. Depois que o modelo for treinado, você poderá usá-lo com novos conjuntos de recursos para prever valores de rótulos desconhecidos.

Serviço de Visão Personalizada do Azure

A maioria das soluções modernas de classificação de imagens é baseada em técnicas de aprendizagem profunda que utilizam redes neurais convolucionais (CNNs) para descobrir padrões nos píxeis que correspondem a classes específicas. Preparar uma CNN eficaz é uma tarefa complexa que exige um certo nível de conhecimentos de ciência de dados e machine learning.

Técnicas comuns usadas para treinar modelos de classificação de imagem foram encapsuladas no serviço Azure AI Custom Vision no Microsoft Azure, facilitando o treinamento de um modelo e a publicação como um serviço de software com conhecimento mínimo de técnicas de aprendizado profundo. Você pode usar a Visão Personalizada da IA do Azure para treinar modelos de classificação de imagem e implantá-los como serviços para uso de aplicativos.