Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Importante
Microsoft annuncia il ritiro pianificato del servizio Visione personalizzata di Azure. Microsoft fornirà il supporto completo per tutti i clienti di Visione personalizzata di Azure esistenti fino al 25/09/2028. Durante questa finestra di supporto, i clienti sono invitati a iniziare a pianificare ed eseguire la transizione a soluzioni alternative. A seconda del caso d'uso, è consigliabile seguire i percorsi seguenti per la transizione:
- Per la creazione di modelli personalizzati sia per la classificazione delle immagini che per il rilevamento degli oggetti, AutoML di Azure Machine Learning offre la possibilità di eseguire il training di entrambi i tipi di modello personalizzati usando tecniche classiche di Machine Learning
- Altre informazioni su AutoML di Azure Machine Learning e su come può offrire supporto per il training di modelli personalizzati.
Microsoft sta anche investendo in soluzioni basate sull'intelligenza artificiale generative che aumentano l'accuratezza negli scenari personalizzati usando la progettazione dei prompt e altre tecniche.
- Per usare i modelli generativi, è possibile usare uno dei modelli disponibili nel catalogo dei modelli di Azure AI Foundry e creare una soluzione personalizzata per la visione personalizzata.
- Per una soluzione generativa gestita per la classificazione delle immagini, Azure AI Content Understanding (attualmente in anteprima pubblica) offre la possibilità di creare flussi di lavoro di classificazione personalizzati. Supporta anche l'elaborazione di dati non strutturati di qualsiasi tipo (immagine, documenti, audio, video) ed estrarre informazioni dettagliate strutturate in base a formati predefiniti o definiti dall'utente.
- Altre informazioni sui modelli di Azure AI Foundry e sulla comprensione dei contenuti di Intelligenza artificiale di Azure (anteprima pubblica) e su come possono offrire percorsi alternativi per le esigenze personalizzate.
Per indicazioni più dettagliate sulla migrazione, vedere la Guida alla migrazione di Visione personalizzata di Azure.
Dopo aver eseguito il training del modello di Visione personalizzata, è possibile testarlo rapidamente usando un'immagine archiviata in locale o un URL che punta a un'immagine remota. Testare l'iterazione sottoposta a training più di recente del modello e quindi decidere se è necessario un ulteriore training.
Testare il modello
Selezionare il progetto nel portale Web di Visione personalizzata. Selezionare Quick Test (Test rapido) a destra della barra dei menu in alto. Questa azione apre una finestra denominata Quick Test (Test rapido).
Nella finestra Quick Test (Test rapido) selezionare il campo Submit Image (Invia immagine) e immettere l'URL dell'immagine da usare per il test. Se invece si vuole usare invece un'immagine archiviata in locale, selezionare il pulsante Esplora file locali e selezionare un file di immagine locale.
L'immagine selezionata verrà visualizzata al centro della pagina. Successivamente, i risultati della previsione vengono visualizzati sotto l'immagine in formato tabella con due colonne denominate Tag e Attendibilità. Dopo aver visualizzato i risultati, è possibile chiudere la finestra Quick Test (Test rapido).
Usare l'immagine prevista per il training
È ora possibile acquisire l'immagine inviata in precedenza per il test e usarla per ripetere il training del modello.
Per visualizzare le immagini inviate al classificatore aprire la pagina Web di Visione personalizzata e selezionare la scheda Predictions (Stime).
Suggerimento
La visualizzazione predefinita mostra le immagini dall'iterazione corrente. È possibile usare l'elenco a discesa Iteration (Iterazione) per visualizzare le immagini inviate durante le iterazioni precedenti.
Passare il mouse su un'immagine per visualizzare i tag previsti dal classificatore.
Suggerimento
Le immagini vengono classificate in modo che quelle più vantaggiose per il classificatore siano al primo posto. Per selezionare un ordinamento diverso, usare la sezione Sort (Ordinamento).
Per aggiungere un'immagine ai dati di training, scegliere l'immagine, selezionare manualmente il/i tag e quindi Salva e chiudi. L'immagine viene rimossa da Predictions (Stime) e aggiunta alle immagini di training. È possibile visualizzarla selezionando la scheda Training Images (Immagini di training).
Usare il pulsante Train (Eseguire il training) per ripetere il training del classificatore.