问题标签 [microsoft-custom-vision]

Azure 自定义视觉服务上的错误图像识别。

我有个疑问。我正在使用 Azure 自定义视觉服务进行图像识别。

我上传了我的照片并添加了可口可乐标签，我添加了 20 张类似的照片并添加了他们的标签

但是在进行测试时，我得到了这些结果。我正在用这张图片做一个测试。

为什么 Custom Vision Service 说其他软饮料是可口可乐？

我必须专门做其他事情吗？我的标签错了吗？谢谢。

我试图通过使用 pickphoto 跨媒体提交图像并获得预测结果来使用 Microsoft.Azure.CognitiveServices.Vision.CustomVision.Prediction 功能。我试图将图像作为 url 或流传递并不断收到错误请求。我知道我有正确的预测键和端点，因为我从事训练工作，告诉我是我将图像传递给方法的方式。将图像从 Cross Media 挑选照片包转换为

未处理的异常：Microsoft.Azure.CognitiveService.Vision.CustomerVision.Prediction.Models.CustomVisionErrorException：操作返回了无效的状态代码“BadRequest”期望预测。

这是代码的图片： 代码 这是问题的图片： 问题

使用 Microsoft 认知服务自定义视觉训练 API 的“CreateImagesFromUrls”端点时，我收到每个图像返回的错误“ErrorSource”。

我可以使用 API 创建标签，因此我认为这不是身份验证问题，尽管 API 可能无法加载存储在 SharePoint 中的图像 URL。

我尝试在 REST 调用中为 HTTP 正文使用几种不同的 JSON 格式。

这是一个使用 React 和 TypeScript 构建的 SPFX Web 部件。目标是从 SharePoint 库加载图像并将它们发布到培训 API。这是我的上传功能：

预计会看到 isBatchSuccessful = true 和上传的图像。但是我得到 isBatchSuccessful = false，“ErrorSource”的错误。

从 API 返回的响应示例：

我实际上训练了自定义视觉模型来检测车辆，我想实时检测它们，所以我尝试运行 github https://github.com/microsoft/Cognitive-Samples-VideoFrameAnalysis中提供的示例应用程序，但我总是得到这个错误：操作返回一个无效的状态代码：'NotFound'，它在互联网上说我没有指定相关的迭代，但我没有在示例应用程序中找到执行它的位置，他们还建议将迭代设置为默认但我没有在自定义视觉配置中找到这个选项。

我在对象检测中使用 Microsoft 自定义视觉服务来提取想要的对象。我想做一个回归测试来比较结果。但是，我找不到使用用户由 GUI 定义的边界框导出训练图片的地方。

模型训练在微软提供的自定义视觉平台（https://www.customvision.ai/）内完成。在这个平台中，我们可以添加图像，然后标记对象。我试图导出模型，但我不确定在哪里可以找到训练图片的信息以及它们的标签和边界框。

我希望在这个平台上，用户不仅可以导出训练好的模型，还可以导出训练数据（带有标签和边界框的图像。）但我找不到它们。

我正在查询 Azure Custom Vision V3.0 培训 API（请参阅https://westeurope.dev.cognitive.microsoft.com/docs/services/Custom_Vision_Training_3.0/operations/5c771cdcbf6a2b18a0c3b809），因此我可以通过自己生成每个标签的 ROC GetIterationPerformance 操作，其部分输出为：

u'precision'：0.9859485，u'precisionStdDeviation'：0.0，u'recall'：0.3752228，u'recallStdDeviation'：0.0}

precisionStdDeviation准确率和召回率的不确定性recallStdDeviation分别似乎总是 0.0。这是用户错误吗？如果没有，是否有计划激活这些统计信息？

我想使用我量身定制的 Azure Cognitive Services Custom Vision V3.0 API和/或导出的 Tensorflow 模型来实现查找相似图像功能。目前这在技术上可行吗？

换句话说：我可以通过任何方式访问自定义视觉内部的特征向量/指纹吗？我可以破解 Tensorflow 模型来解决这些问题吗？

我使用约 5000 个我自己的特定领域图像和一组约 30 个分层和非分层标签构建了一个 Azure 自定义视觉模型。

我不确定在这个特定的多标签分类问题中如何最好地组织我的标签动物园。最好的方法（参见例如https://www.researchgate.net/publication/225379571_A_Tutorial_on_Multi-label_Classification_Techniques和https://towardsdatascience.com/journey-to-the-center-of-multi-label-classification-384c40229bff）必须依赖关于自定义视觉的内​​部运作，唉，无证*。考虑例如

鉴于 Custom Vision 使用的（可能）未知建模方案及其对任意标签的支持，哪种标签分类最有效（在训练计算和模型性能方面）？

奖励：您将如何使用可用的性能指标 - 或 V3.0 API - 来衡量两个竞争分类法的性能（以最少的训练计算/成本）？

*我为这个绝望的问题道歉。在投票关闭它之前，请允许 Azure 认知服务有时间发表评论，因为这似乎是他们可能能够提供意见的唯一论坛，并且他们确实通过 SO 要求查询。谢谢。

我目前正在寻找使用 Microsoft Cognitive Service custom vision。它带有一个预测 API，您可以使用它来获取预测结果。是否可以在不使用此预测 API 的情况下使用自定义视觉？有了这个，我的意思是只需将模型导出到 Tensorflow 并构建我自己的 API，它可以直接从 Tensorflow 获取结果。

似乎我可以导出模型以供移动使用或在 Docker 容器中运行它。但是，预测 API 似乎已连接到该 Docker 容器中。

我们已经使用 Microsoft 的自定义视觉训练了一个模型。当我们尝试将 .pb 转换为 .tflite 时，我们会遇到错误。这是我们使用的python代码如下：

这是网络的输入，它很早就进行了卷积。

如您所见，TensorFlow 似乎无法识别此操作：