Este é um guia passo a passo de como criar um modelo de visão computacional com o Azure Custom Vision Service sem escrever uma única linha de código. Depois de terminar, você poderá configurar o serviço, treinar um modelo de aprendizado de máquina, avaliar o desempenho do modelo e publicar sua solução de aprendizado de máquina recém-criada.
1. Pré-requisitos
1.1. Crie uma conta no Microsoft Azure Cloud Platform
Se você não tem uma conta, peça ao administrador de TI ou ao seu gerente para ativar o serviço para você.
1.2. Criar recurso de visão personalizado
A plataforma Azure possui um conceito de recursos que significa um serviço especÃfico. Para criar um recurso Custom Vision, faça login em sua conta do Azure Cloud e:
Clique em criar um recurso no canto superior esquerdo e pesquise por “Visão personalizada”:
Na próxima página, clique em “Criar”:
Obs.: Você pode adicionar o recurso como algo favorito dentro do Microsoft Azure
A próxima página tem diversas informações então vamos configurar por etapas neste tutorial. Nesta primeira parte decidi configurar as opções de criação como ambos, ou seja, farei a criação tanto do treinamento quanto da previsão do Custom Vision.
a. Opções de criação: Ambos
b. Assinaturas: Escolha seu plano de assinaturas
c. Grupo de recursos: Adicione o grupo de recursos ou crie um novo diretamente por esta configuração. Em meu caso criei o rg-lab-custom-vision-popovici
d. Nome: Adicionei o nome lab-custon-vision-popovici para meu serviço cognitivo
Tanto para o recurso de treinamento quanto para o recurso de previsão vamos marcar a opção F0. Essa opção é limitada, mas gratuita para nosso laboratório. O local ficou como Centro Sul dos Estados Unidos (mantive a sugestão oferecida pelo próprio Azure).
Clique em Revisar + Criar e depois em Criar.
Vamos aguardar até o processo ser finalizado. Se você clicar em Enviando implantação pode ver com detalhe o processo de criação.
Ao término o assistente permite ir efetivamente para o Custom Vision
Em inÃcio rápido vamos clicar no Portal da Visão personalizada. Como a proposta deste tutorial é usar tudo por interface gráfica, vamos usar o portal do Custom Vision. Você será redirecionado para o site https://www.customvision.ai/, que na verdade é um assistente visual para utilização do recurso.
Nesta tela vamos usar o New Project. Clique nele para começarmos.
Vamos preencher a lista de informações do projeto.
Name: Nome do projeto. No meu caso usei o nome Lab-do-Popovici-025
Description: Adicione uma descrição ao projeto
Resource: Eu mantive o formato F0, gratuito
Project Types: Classification
Classification Types: Multiclass (Single tag per image)
Domains: General [A2]
Para finalizar clique em Create Project.
Lembre-se que aqui é um laboratório com exemplos de funcionamento, ou seja, você precisa refinar as configurações do projeto dentro de cada situação.
A primeira etapa para criar um Vision AI é reunir os dados iniciais (imagens) e separá-los em pastas diferentes. No contexto desta demonstração, criei três pastas:
um que inclui as fotos de linhas elétricas quebradas e
o outro que inclui as fotos de linhas elétricas não rompidas.
NB: Se você tiver mais de dois rótulos, deve criar mais pastas. Se os dados foram coletados, você está pronto para começar. Abra seu projeto e selecione “Adicionar imagens”:
Uma janela pop-up é aberta: localize suas pastas de imagens e selecione todas as imagens com uma marca especÃfica. Insira esta tag em “My Tags” e clique em “Upload images”. NB: algumas imagens podem não ser enviadas se forem muito grandes ou incompatÃveis.
Repita a etapa quantas vezes forem necessárias (depende de quantos rótulos / pastas você criou).
Agora você está pronto para treinar o modelo de aprendizado de máquina. Basta clicar em “Train” na barra de navegação.
Você será questionado se deseja usar o treinamento rápido ou o treinamento avançado. Se você selecionar o último, será questionado sobre o tempo de treinamento. Obs: quanto mais você treina o modelo, melhor é o resultado, mas você também paga por hora. Eu sugiro começar com o Treinamento Rápido e se os resultados forem promissores, continue com o Treinamento Avançado.
Quando o treinamento terminar, as métricas de desempenho serão mostradas. Clique no balão “i” para ver o significado de cada métrica de desempenho.
Agora, se você quiser testar sua IA recém-criada em novas imagens, abra o teste rápido:
Carregue uma nova imagem de seu computador e o modelo a rotulará automaticamente.
E é isso - você criou seu primeiro sistema de visão por computador. Agora você pode continuar com seu próximo projeto ou começar a pensar em como criar uma solução automatizada.
Se você quiser usar esse modelo em algum lugar dentro do aplicativo de software, primeiro você precisa Publicar o modelo. Vá para a guia “Desempenho” e clique em “Publicar”:
