はじめに

この投稿は AI-102: Microsoft Azure AI エンジニアの学習をした内容のメモです。

投稿の一覧は以下のリンク先にあります。

前の投稿

Azure AI 画像分析には以下のような機能があります。

カスタムコンピュータービジョンモデルを作成すると、自分で用意した画像によりモデルを訓練することができます。

例として、Github でサンプルとして公開されている 2 種類の葉っぱの画像を用意して、それらを分類する画像分類モデルを作成してみます。

名前	画像例
Hemlock
Cherry

以下の手順で行います。

以下で、2 の手順を順に見ていきます。

Vision Studio で画像分類プロジェクトを作成します。まず、使用する Azure AI サービスリソースを選択します。

Azure AI サービスのリージョンによってはカスタムモデルの作成が利用できません。利用できない場合は以下のような警告が表示されます。

次に、データセットを作成します。データセットの作成時に、画像ファイルをアップロードした Blob ストレージのコンテナを指定します。

サンプル画像をラベル付けします。今回は 2 種類の画像があるので "hemlock" または "cherry" とラベル付けします。

まず、プロジェクトとワークスペースを作成します。

次に、ラベルのカテゴリを指定します。ラベルとして "hemlock" と "cherry" を追加します。

検証した際はラベル付けのウィザードで、以下の [ML Assist によるラベル付けを有効にする] のチェックをオフにしないと、クォータが足りない旨のエラーになりラベル付けが行えませんでした。

最後に、各サンプル画像をラベル付けします。

以下の画面で [+ Add COCO file] ボタンから、ラベル付けした結果をインポートします。
その後、[Custom Models] からモデルの作成を行います。

モデル作成の際は訓練に利用する最大時間を指定します。

学習が完了すると、ステータスが Succeeded になります。

学習したモデルをテストするには、まず、同じ手順でテスト用のデータセットを作成します。

その後、テスト用のデータセットを指定してモデルの評価を実行します。

[Try it Out] ボタンから、作成したモデルをテストすることができます。画像をアップロードして応答を確認したり、モデルを使用するサンプルコードを確認することができます。

Azure AI Vision ではビデオの分析も行うことができます。 Azure AI Video Indexer を利用すると、ビデオの登場人物やトピックを抽出することができます。

Azure AI 空間分析により、ビデオ内に人の移動を追跡する、といったこともできます。

Vision Studioに用意されているサンプルデータで簡単に試すことができます。

[Spatial analysis] - [Detect when people enter/exit a zone] を選択します。

サンプルのビデオを選択すると、人物が検知されて、枠内の人数がカウントされていることが確認できます。

ビデオの内容をシーンごとに要約し、キーワードでビデオ内のシーンを検索することができます。

サンプルデータについて、キーワード検索によって一致するシーンを表示されることを確認できます。