Custom Vision

Custom Vision ist ein leistungsstarker KI-Dienst, der Teil der Microsoft Azure Cognitive Services Suite ist und entwickelt wurde, um Computer Vision für jedermann zugänglich zu machen. Er ermöglicht Entwicklern und Unternehmen, auf einfache Weise benutzerdefinierte Modelle für die Bildklassifizierung und Objekterkennung zu erstellen, bereitzustellen und zu verfeinern. Anstatt riesige Datensätze und tiefes Wissen im maschinellen Lernen zu erfordern, nutzt Custom Vision Transfer Learning, um hochwertige Modelle aus einem kleinen Satz von vom Benutzer bereitgestellten Bildern zu erstellen. Dies beschleunigt den Entwicklungszyklus erheblich und ermöglicht es Ihnen, in einem Bruchteil der Zeit von der Idee zu einem produktionsreifen Modell zu gelangen.

Die Plattform ist auf Einfachheit und Effizienz ausgelegt. Sie können ein Modell trainieren, um spezifische visuelle Konzepte zu erkennen, wie z. B. die Identifizierung von Produkttypen, die Erkennung von Fehlern in der Fertigung oder die Moderation von visuellen Inhalten, alles über eine intuitive webbasierte Oberfläche. Sobald Ihr Modell trainiert ist, kann es nahtlos über einen einfachen REST-API-Aufruf in Ihre Anwendungen integriert oder für den Einsatz auf Edge-Geräten für Echtzeit-Szenarien mit geringer Latenz exportiert werden.

Wie man Custom Vision verwendet

Der Prozess der Erstellung eines benutzerdefinierten Modells ist in einige einfache Schritte unterteilt:

1. Ein Projekt erstellen: Melden Sie sich im Custom Vision-Portal an, erstellen Sie ein neues Projekt und wählen Sie Ihren Projekttyp – entweder Bildklassifizierung (um einem ganzen Bild Tags zuzuweisen) oder Objekterkennung (um bestimmte Objekte innerhalb eines Bildes zu identifizieren und zu lokalisieren). Sie können auch eine Domäne (z. B. Einzelhandel, Lebensmittel, Allgemein) auswählen, um das Modell für Ihre spezifischen Daten zu optimieren.
2. Bilder hochladen und taggen: Laden Sie einen Satz von Trainingsbildern hoch. Für die Klassifizierung wenden Sie ein oder mehrere Tags auf jedes Bild an. Für die Objekterkennung zeichnen Sie Begrenzungsrahmen um die interessierenden Objekte in jedem Bild und weisen ein Tag zu. Die Plattform benötigt nur eine kleine Anzahl von Beispielen pro Tag, um zu beginnen (bereits ab 15).
3. Das Modell trainieren: Sobald Ihre Bilder getaggt sind, klicken Sie einfach auf die Schaltfläche 'Trainieren'. Die KI von Custom Vision analysiert Ihre Bilder und erstellt ein benutzerdefiniertes Modell, das auf Ihre angegebenen Konzepte zugeschnitten ist. Der Trainingsprozess ist schnell und automatisiert.
4. Bewerten und iterieren: Nach dem Training liefert der Dienst Leistungsmetriken wie Präzision, Recall und mAP, um Ihnen zu helfen, die Genauigkeit Ihres Modells zu verstehen. Sie können die 'Schnelltest'-Funktion verwenden, um Ihr Modell mit neuen Bildern auszuprobieren. Um die Leistung zu verbessern, können Sie weitere getaggte Bilder hinzufügen und das Modell erneut trainieren.
5. Bereitstellen und vorhersagen: Wenn Sie mit der Leistung des Modells zufrieden sind, können Sie es veröffentlichen, um einen Vorhersage-Endpunkt zu erhalten. Verwenden Sie die bereitgestellte REST-API, um neue Bilder an Ihr Modell zu senden und Vorhersagen in einem strukturierten JSON-Format zu erhalten. Alternativ können Sie das Modell exportieren, um es auf verschiedenen Plattformen auszuführen, einschließlich iOS (CoreML), Android (TensorFlow) und Windows (ONNX), oder als Docker-Container für die Edge-Bereitstellung.

Kernfunktionen von Custom Vision

• No-Code/Low-Code-Schnittstelle: Eine intuitive grafische Benutzeroberfläche, die Sie durch den Prozess des Hochladens von Daten, des Trainierens und Testens von Modellen führt, ohne dass Sie maschinellen Lerncode schreiben müssen.
• Bildklassifizierung & Objekterkennung: Unterstützt die beiden häufigsten Computer-Vision-Aufgaben, sodass Sie ganze Bilder klassifizieren oder mehrere Objekte darin lokalisieren können.
• Transfer Learning: Nutzt vortrainierte Modelle von Microsoft, sodass Sie mit sehr kleinen Datensätzen genaue benutzerdefinierte Modelle erstellen können.
• Optimierte Domänen: Bietet voroptimierte Modelle für spezifische Szenarien wie Einzelhandel, Lebensmittel und Sehenswürdigkeiten, um eine höhere Genauigkeit von Anfang an zu erzielen.
• REST-API-Endpunkt: Integrieren Sie Ihr benutzerdefiniertes Modell einfach in jede Anwendung mit einer einfachen und skalierbaren cloudbasierten API.
• Edge-Bereitstellung: Exportieren Sie trainierte Modelle zur Ausführung auf dem Gerät für Anwendungen, die geringe Latenz, Offline-Fähigkeiten oder Datenschutz erfordern. Unterstützte Formate sind CoreML, TensorFlow, ONNX und Docker-Container.
• Aktives Lernen: Das System kann vorschlagen, welche Bilder Sie als Nächstes kennzeichnen sollten, um die signifikanteste Verbesserung der Leistung Ihres Modells zu erzielen und den Trainingsprozess effizienter zu gestalten.

Anwendungsfälle für Custom Vision

Custom Vision ist vielseitig und kann in zahlreichen Branchen eingesetzt werden:

• Einzelhandel: Automatisierte Produkterkennung in Regalen für die Bestandsverwaltung, Erkennung von leeren Regalflächen oder zur Unterstützung der visuellen Suche in E-Commerce-Apps.
• Fertigung: Qualitätssicherung an Produktionslinien durch automatische Identifizierung von Defekten, Rissen oder anderen Anomalien an Teilen.
• Gesundheitswesen: Unterstützung bei der Analyse von medizinischen Bildern zur Erkennung von Unregelmäßigkeiten (für Forschungs- und Informationszwecke).
• Landwirtschaft: Überwachung der Pflanzengesundheit, Identifizierung von Pflanzenkrankheiten oder Zählung von Erntegut zur Ertragsschätzung.
• Sicherheit: Erkennung von Sicherheitsausrüstung wie Schutzhelmen auf einer Baustelle oder Identifizierung von unbefugten Objekten in Sperrbereichen.
• Digital Asset Management: Automatisches Taggen großer Bildmengen mit benutzerdefinierten Labels zur einfacheren Suche und Organisation.

Vorteile von Custom Vision

Der Hauptvorteil von Custom Vision ist seine Fähigkeit, Computer Vision zu demokratisieren. Es senkt die Eintrittsbarriere und ermöglicht es Teams ohne spezialisierte KI-Talente, leistungsstarke visuelle Intelligenzlösungen zu entwickeln. Seine Geschwindigkeit, Effizienz bei kleinen Datensätzen und flexible Bereitstellungsoptionen (Cloud und Edge) machen es zu einem äußerst praktischen und kostengünstigen Werkzeug für eine Vielzahl von Geschäftsproblemen.

Preise und Pläne

Custom Vision arbeitet nach einem Freemium-Modell innerhalb des Azure-Ökosystems. Es gibt eine großzügige kostenlose Stufe, die in der Regel eine begrenzte Anzahl von Projekten, Trainingsstunden und API-Vorhersageaufrufen pro Monat umfasst, was sie ideal für das Lernen, Prototyping und kleine Projekte macht. Für größere Anforderungen folgt die Standard-Stufe (kostenpflichtig) einem Pay-as-you-go-Modell. Die Kosten basieren auf der Nutzung, einschließlich der Trainingszeit (pro Stunde), der Anzahl der gespeicherten Bilder und dem Volumen der Vorhersagetransaktionen. Diese flexible Preisgestaltung stellt sicher, dass Sie nur für die Ressourcen bezahlen, die Sie verbrauchen, was es von kleinen Start-ups bis hin zu großen Unternehmen skalierbar macht.