Author minhvinh 2021-03-05

Azure AI Tutorial 4 - Classification trên Azure Custom Vision

Tiếp tục với bài viết về Computer Vision. Chúng ta đến với chuyên mục Classification trên Azure.

Các bạn chưa biết classification là gì? Hoạt động như thế nào có thể đọc lại Azure AI 3.

Giờ mình cũng thực hành trên Azure. Mình sẽ hands-on 4 phần

Tạo project Custom Vision
Upload data và train model
Test model
Publish và consume model

Cùng bắt đầu nào

1. Tạo CustomVision workspace

Tại Portal của Azure -> Tìm “CustomVision” -> Chọn Create

Điền đầy đủ thông tin -> Chọn Review + create (Tùy vào mục đích, ở đây mình chọn cả training và Prediction)

2. Tạo New Project và Upload data

Vào trang custionvision.ai để tạo project.

Chúng ta sẽ tạo 1 model phân loại trái cây: Cam, Táo, Chuối.

Các bạn có thể tải hình ảnh các loại trái cây ở đây : https://aka.ms/fruit-images

Upload data vào custom vision với tag cho từng loại

Làm lại thao tác với babana, orange -> Kết quả cuối cùng ta đạt được

Click Train (Chờ khoảng 5->10p) để train model và kết quả là đây

3. Quick Test Model

Chọn Quick Test (Chúng ta có thể test bằng 2 cách: Nhập image url hoặc upload file)

Nhận diện đây là : apple 98,6%

99,7% đây là Orange

99,9% là banana

4. Publish và consume model

Chọn Publish và Copy Project ID của MVClassifier

Copy Key & End Point

Tạo Notebook (Ở đây mình dùng ngôn ngữ Python để sử dụng model)

Tạo notebook như thế nào?

1. Install thư viên bằng lệnh

!pip install azure-cognitiveservices-vision-customvision

2. Nhập thông tin

Thông tin bao gồm model name, project ID, Key, Endpoint đã copy bên trên

project_id = '67bc1c64-5c39-4d81-bd56-fd9e87073460'
cv_key = '3a9c6ce2710742ce89ced98e9df157d1'
cv_endpoint = 'https://mvblogcustomvision-prediction.cognitiveservices.azure.com/'
model_name = 'MVClassifier'

3. Sử dụng model

from azure.cognitiveservices.vision.customvision.prediction import CustomVisionPredictionClient
from msrest.authentication import ApiKeyCredentials
import matplotlib.pyplot as plt
from PIL import Image
import os
%matplotlib inline

# Get the test images from the data/vision/test folder
test_folder = os.path.join('data', 'image-classification', 'test-fruit')
test_images = os.listdir(test_folder)

# Create an instance of the prediction service
credentials = ApiKeyCredentials(in_headers={"Prediction-key": cv_key})
custom_vision_client = CustomVisionPredictionClient(endpoint=cv_endpoint, credentials=credentials)

# Create a figure to display the results
fig = plt.figure(figsize=(16, 8))

# Get the images and show the predicted classes for each one
print('Classifying images in {} ...'.format(test_folder))
for i in range(len(test_images)):
    # Open the image, and use the custom vision model to classify it
    image_contents = open(os.path.join(test_folder, test_images[i]), "rb")
    classification = custom_vision_client.classify_image(project_id, model_name, image_contents.read())
    # The results include a prediction for each tag, in descending order of probability - get the first one
    prediction = classification.predictions[0].tag_name
    # Display the image with its predicted class
    img = Image.open(os.path.join(test_folder, test_images[i]))
    a=fig.add_subplot(len(test_images)/3, 3,i+1)
    a.axis('off')
    imgplot = plt.imshow(img)
    a.set_title(prediction)
plt.show()

Và đây là kết quả model