mercredi 14 mars 2018

Computer Vision Science avec les technologies Microsoft - Contexte et mise en oeuvre Partie 2


Le service Custom vision fair partie du module Vision de l'offre Cognitive Services de Microsoft
Le module Vision contient les éléments suivants :

Le Service Custom Vision ou Service Vision personnalisée en français permet de télécharger des images de référence, de les classifier, puis d'entrainer un modèle pour l'utiliser afin d'évaluer et classifier automatiquement nos images.
On peut alors ajouter des images, corriger et réentrainer le modèle. Tous les fonctionnalités peuvent être lancées et invoquées à partie de l'API REST ce qui fait qu'il est facille d'incorporer toutes ces fonctionnalités à partir d'applications que l'on écrit en C#, Angular, Python etc.
Dans cet article nous allons voir comment créer un projet Custom Vision pour classifier des images, nous téléchargerons des images et entraineront et testeront le modèle. Pour cet exemple nous utiliserons des photos de plantes.
dans le prochain article nous verrons comment consommer le modèle à partir d'une application custom.
La première étape consiste à se connecter au service customvision à l'adresse : https://customvision.ai
Une fois connecté la page projets apparait : 

Cliquer sur New Project puis renseigner le nom et la description, nous choisissons ici les options compact pour pouvoir exporter les classifiers vers des telephones mobiles IOS ou Android


Nous allons ajouter des images, pour démarrer 5 images de fraises que nous taggeront fraise et fruit. Il nous faut au minimum 5 images d'une catégories et 2 tags pour pouvoir entrainer le modèle

Une foirs les images téléchargés nous allons ajouter les tags puis valider

Puis nous allons entrainer le modèle en cliquant simplement sur le bouton Train

Une foir l'itération d'entrainement terminé on voit apparaitre le résultat de la reconnaissance, bien évidemment, plus on ajoutera d'images, plus le modèle sera efficace

On peut alors tester le modèle directement à partir du site, pour cela on peut récupérer l'URL du fruit à reconnaitre puis la soumettre à l'outil de test

On voir ici une reconnaissance à 100% dans ce cas

Enfin si l'on veut le tester à partir d'un téléphone par exemple, nous pourrons exporter le modèle qui pourra être utilisé offline à partir d'un Iphone par exemple, pour cela, cliquer sur le bouton export puis choisir le type de device cible
L'assistant fournit des exemples de code pour pouvoir utiliser le modèle à partir des caméras des téléphones.
Nous avons vu qu'il est très simple de créer et entrainer un modèle sur un thème particulier et de le déployer sur le système de son choix. Dans le prochain article, nous verrons comment utiliser ce modèle et l'API REST à partir d'un application Custom




Aucun commentaire: