У меня вопрос по лазурному нестандартному видению. У меня есть собственный проект видения для обнаружения объектов. И я использую python SDK для создания проекта (см. Это: https://docs.microsoft.com/en-us/azure/cognitive-services/custom-vision-service/python-tutorial-od). Но в процессе загрузки я обнаружил, что что-то не так. Например, есть фотография, на которой изображены 3 человека. Поэтому я помечаю на этой картинке 3 человека из одного и того же класса. Но после загрузки я только что нашел 1 "человека", отмеченного на этой картинке на веб-сайте custom vision. Но другой класс вполне подойдет, например, на этой картинке также могут быть «человек», «автомобиль» и «самокат». Похоже, что на картинке может быть только один и тот же класс.
Я пробовал использовать Python SDK (см. Это: https://docs.microsoft.com/en-us/azure/cognitive-services/custom-vision-service/python-tutorial-od), чтобы загрузить мое изображение и информацию о тегах.
A0_tag = trainer.create_tag(project.id, "A0")
A1_tag = trainer.create_tag(project.id, "A1")
A2_tag = trainer.create_tag(project.id, "A2")
A0_image_regions={
"0001.jpg":[0.432291667,0.28125,0.080729167,0.09765625],
"0001.jpg":[0.34765625,0.385742188,0.131510417,0.135742188],
"0001.jpg":[0.479166667,0.385742188,0.130208333,0.135742188],
"0003.jpg":[0.19921875,0.158203125,0.083333333,0.099609375]
}
Из приведенного выше кода видно, что я загрузил три класса «A0» в 0001.jpg. Но в интерфейсе графического интерфейса на веб-сайте я вижу только, что один класс "A0" наконец-то существует выше 0001.jpg. Есть ли какое-нибудь решение, которое может решить эту проблему?
На основе cthrash-кода. Я внес некоторые изменения в код, чтобы он заработал. Вот модифицированный код:
A0_tag = trainer.create_tag(project.id, "TestA")
A1_tag = trainer.create_tag(project.id, "TestB")
A2_tag = trainer.create_tag(project.id, "TestC")
A0_image_regions = {
A0_tag.id : [
("2300.png",[0.787109375,0.079681275,0.068359375,0.876494024]),
("0920.png",[0.2109375,0.065737052,0.059570313,0.892430279]),
("0920.png",[0.291015625,0.061752988,0.05859375,0.894422311]),
]
}
A1_image_regions = {
A1_tag.id : [
("2000.png",[0.067382813,0.073705179,0.030273438,0.878486056]),
("2000.png",[0.126953125,0.075697211,0.030273438,0.878486056]),
("2000.png",[0.184570313,0.079681275,0.030273438,0.878486056]),
("2000.png",[0.232421875,0.079681275,0.030273438,0.878486056]),
],
}
A2_image_regions = {
A2_tag.id : [
("1400.png",[0.649414063,0.065737052,0.104492188,0.894422311]),
("2300.png",[0.602539063,0.061752988,0.106445313,0.892430279]),
("0920.png",[0.634765625,0.067729084,0.124023438,0.88247012]),
("0800.png",[0.579101563,0.06374502,0.04296875,0.888446215]),
],
}
regions_map = {}
for tag_id in A0_image_regions:
for filename,[x,y,w,h] in A0_image_regions[tag_id]:
regions = regions_map.get(filename,[])
regions.append(Region(tag_id=A0_tag.id, left=x, top=y, width=w, height=h))
regions_map[filename] = regions
for tag_id in A1_image_regions:
for filename,[x,y,w,h] in A1_image_regions[tag_id]:
regions = regions_map.get(filename,[])
regions.append(Region(tag_id=A1_tag.id, left=x, top=y, width=w, height=h))
regions_map[filename] = regions
for tag_id in A2_image_regions:
for filename,[x,y,w,h] in A2_image_regions[tag_id]:
regions = regions_map.get(filename,[])
regions.append(Region(tag_id=A2_tag.id, left=x, top=y, width=w, height=h))
regions_map[filename] = regions
tagged_images_with_regions = []
for filename in regions_map:
regions = regions_map[filename]
with open("<your path>" + filename, mode="rb") as image_contents:
tagged_images_with_regions.append(ImageFileCreateEntry(name=filename, contents=image_contents.read(), regions=regions))
upload_result = trainer.create_images_from_files(project.id, images=tagged_images_with_regions)