Objekterkennung mit Azure Custom Vision

Objekterkennung mit Azure Custom Vision

Inhaltsverzeichnis

1. Einführung in Azure Custom Vision
   • Was ist Azure Custom Vision?
   • Unterschied zwischen Custom Vision und Computer Vision
2. Anwendungsfälle von Azure Custom Vision
   • Objekterkennung in der Fertigung
   • Krebserkennung in medizinischen Bildern
   • Objekterkennung für Hobbyprojekte
3. Einrichten eines Projekts in der Custom Vision-Plattform
   • Erstellung eines neuen Projekts
   • Hinzufügen von Bildern
   • Markieren von Objekten
4. Training des Modells
   • Schnelltraining vs. erweitertes Training
   • Bewertung der Modellgenauigkeit
5. Validierung und Veröffentlichung des Modells
   • Überprüfung der Vorhersagen
   • Veröffentlichung des Modells
6. Anwendungsbeispiele und Best Practices
   • Empfohlene Anzahl von Trainingsbildern
   • Leistungsbewertung und Optimierung
7. Vorteile und Einschränkungen von Azure Custom Vision
   • Pros
   • Cons
8. FAQ
   • Wie genau ist die Objekterkennung von Azure Custom Vision?
   • Welche Domänen stehen für die Objekterkennung zur Verfügung?
   • Kann Azure Custom Vision auch für nicht-technische Anwender verwendet werden?

Einführung in Azure Custom Vision

Azure Custom Vision ist ein Teil der Azure Cognitive Services und ähnelt stark der Computer Vision. Während die Computer Vision Azure's vortrainierte Modelle nutzt, um viele verschiedene Arten von Objekten und Bildern zu identifizieren, ermöglicht es Custom Vision Ihnen, eigene Bilder bereitzustellen und Azure darauf zu trainieren, benutzerdefinierte Objekte Ihrer Wahl in diesen und zukünftigen Bildern zu identifizieren. Das ist besonders hilfreich, wenn Sie etwas sehr Spezifisches in Ihrem Bereich haben, wie zum Beispiel die Erkennung fehlerhafter Schweißnähte als Hersteller, die Erkennung von Krebs auf Röntgenbildern als Krankenhaus oder die Suche nach verlorenen Gegenständen wie Hockeybällen in Ihrem Keller.

Anwendungsfälle von Azure Custom Vision

In der Fertigungsindustrie kann Azure Custom Vision beispielsweise dazu verwendet werden, fehlerhafte Produkte zu erkennen, was zu einer verbesserten Qualitätskontrolle führt. In der medizinischen Bildgebung kann es Ärzten helfen, Anomalien schneller und genauer zu identifizieren, was zu einer frühzeitigen Diagnose und Behandlung führt. Selbst Hobbyisten können von Custom Vision profitieren, indem sie es nutzen, um spezifische Objekte in ihren Bildern zu identifizieren, sei es für die Inventarisierung oder einfach aus Spaß an der Technologie.

Einrichten eines Projekts in der Custom Vision-Plattform

Um ein neues Projekt für die Objekterkennung zu erstellen, müssen Sie zunächst einen Namen und eine Beschreibung festlegen und dann eine Ressource auswählen, auf der das Projekt ausgeführt werden soll. Anschließend wählen Sie die Domäne aus, in der das Projekt arbeiten soll. Es gibt verschiedene Domänen zur Auswahl, darunter Allgemein, Logo, Produkte und Regale, je nach den Anforderungen Ihres Projekts.

Training des Modells

Nachdem Sie Ihrem Projekt Bilder hinzugefügt und Objekte markiert haben, können Sie mit dem Training Ihres Modells beginnen. Sie haben die Wahl zwischen einem schnellen Training, das weniger Zeit in Anspruch nimmt, oder einem erweiterten Training, bei dem Sie die Trainingszeit selbst festlegen können. Nach dem Training zeigt Azure verschiedene Metriken an, darunter Präzision, Rückruf und durchschnittliche Präzision, um Ihnen einen Einblick in die Leistung Ihres Modells zu geben.

Validierung und Veröffentlichung des Modells

Bevor Sie Ihr Modell veröffentlichen, sollten Sie es validieren, indem Sie Vorhersagen für neue Bilder generieren und überprüfen, ob die erkannten Objekte mit den tatsächlichen übereinstimmen. Sobald Sie mit der Leistung zufrieden sind, können Sie das Modell veröffentlichen und über eine REST-API oder das Azure Cognitive Services SDK auf die Vorhersagefunktionen zugreifen.

Anwendungsbeispiele und Best Practices

Es wird empfohlen, mindestens 15 Bilder für das Training zu verwenden, um eine ausreichende Vielfalt und Genauigkeit des Modells sicherzustellen. Zusätzlich sollten Bilder mit verschiedenen Beleuchtungsbedingungen, Winkeln und Hintergründen verwendet werden, um die Leistungsfähigkeit des Modells in verschiedenen Szenarien zu verbessern.

Vorteile und Einschränkungen von Azure Custom Vision

Pros:

• Einfach zu bedienen, erfordert keine Programmierkenntnisse
• Hohe Anpassungsfähigkeit für verschiedene Anwendungsfälle
• Gute Genauigkeit bei ausreichendem Training

Cons:

• Begrenzte Domänenauswahl im Vergleich zu anderen Plattformen
• Erfordert eine gewisse Menge an Trainingsdaten für optimale Leistung
• Kann bei komplexen Szenarien an Genauigkeit verlieren

FAQ

Wie genau ist die Objekterkennung von Azure Custom Vision? Die Genauigkeit der Objekterkennung hängt von verschiedenen Faktoren ab, einschließlich der Qualität der Trainingsdaten und der Anzahl der Bilder im Modell. Mit ausreichendem Training kann Custom Vision jedoch eine hohe Genauigkeit erreichen.

Welche Domänen stehen für die Objekterkennung zur Verfügung? Die verfügbaren Domänen umfassen Allgemein, Logo, Produkte und Regale. Diese Domänen decken eine Vielzahl von Anwendungsfällen ab, können jedoch je nach Bedarf erweitert werden.

Kann Azure Custom Vision auch für nicht-technische Anwender verwendet werden? Ja, Azure Custom Vision wurde entwickelt, um auch von nicht-technischen Benutzern verwendet zu werden. Die Benutzeroberfläche ist benutzerfreundlich und erfordert keine Programmierkenntnisse, um ein Modell zu erstellen und zu trainieren.