Condividi tramite

Selezionare un dominio per un progetto di Visione personalizzata

  • Articolo

Questa guida illustra come selezionare un dominio per il progetto nel servizio Visione personalizzata. I domini vengono usati come punto di partenza per il progetto.

Accedere al proprio account nel sito Web Visione personalizzata e quindi selezionare il progetto. Selezionare l'icona Impostazioni in alto a destra. Nella pagina Impostazioni progetto è possibile scegliere un dominio del modello. È consigliabile scegliere il dominio più vicino allo scenario del caso d'uso. Se si accede a Visione personalizzata tramite una libreria client o un'API REST, è necessario specificare un ID di dominio durante la creazione del progetto. È possibile ottenere un elenco di ID di dominio usando una richiesta Get Domains . In alternativa, usare la tabella seguente.

Domini di classificazione delle immagini

Dominio ID Scopo
Generali ee85a74c-405e-4adc-bb47-ffa8ca0c9f31 Ottimizzato per un'ampia gamma di attività di classificazione di immagini. Se nessuno degli altri domini specifici è appropriato o se non si è certi del dominio da scegliere, selezionare uno dei domini Generali .
Generale [A1] a8e3c40f-fb4a-466f-832a-5e457ae4a344 Ottimizzato per una migliore accuratezza con un tempo di inferenza paragonabile al dominio Generale . Consigliato per set di dati di dimensioni maggiori o scenari utente più difficili. Questo dominio richiede più tempo di training.
Generale [A2] 2e37d7fb-3a54-486a-b4d6-cfc369af0018 Ottimizzato per una migliore accuratezza con tempi di inferenza più veloci rispetto ai domini Generale [A1] e Generale . Opzione consigliata per la maggior parte dei set di dati. Questo dominio richiede meno tempo di training rispetto ai domini Generale e Generale [A1].
Food (Cibo) c151d5b5-dd07-472a-acc8-15d29dea8518 Ottimizzato per fotografie di piatti come nel menù di un ristorante. Se vuoi classificare le fotografie di singoli frutti o verdure, utilizza il dominio Food .
Landmarks (Luoghi di interesse) ca455789-012d-4b50-9fec-5bb63841c793 Ottimizzato per i luoghi di interesse riconoscibili, sia naturali che artificiali. Il dominio offre i migliori risultati quando il luogo di interesse è chiaramente visibile nella fotografia. Il dominio è efficace anche se il luogo è leggermente nascosto da utenti posti davanti.
Vendita al dettaglio b30a91ae-e3c1-4f73-a81e-c270bff27c39 Ottimizzato per le immagini che si trovano in un catalogo di vendita o in un sito Web di vendita. Se si vogliono classificare con alta precisione vestiti, pantaloni e magliette o camicie, usare questo dominio.
Domini compatti Ottimizzati per i vincoli di classificazione in tempo reale su dispositivi perimetrali.

Nota

I domini Generale [A1] e Generale [A2] possono essere usati per un ampio set di scenari e sono ottimizzati per l'accuratezza. Usare il modello Generale [A2] per migliorare la velocità di inferenza e il tempo di training più breve. Per i set di dati di dimensioni maggiori, è possibile usare Generale [A1] per eseguire il rendering di una migliore accuratezza rispetto a Generale [A2], anche se richiede più tempo di training e inferenza. Il modello Generale richiede più tempo di inferenza rispetto a Generale [A1] e Generale [A2].

Domini di rilevamento oggetti

Dominio ID Scopo
Generali da2e3a8a-40a5-4171-82f4-58522f70fbc1 Ottimizzato per un'ampia gamma di attività di rilevamento oggetti. Se nessuno degli altri domini è appropriato o non si è certi del dominio da scegliere, selezionare il dominio Generale .
Generale [A1] 9c616dff-2e7d-ea11-af59-1866da359ce6 Ottimizzato per una migliore accuratezza con un tempo di inferenza paragonabile al dominio Generale . Consigliato per esigenze di posizione dell'area più accurate, set di dati di dimensioni maggiori o scenari utente più difficili. Questo dominio richiede più tempo di training e i risultati non sono deterministici: si prevede una differenza media di precisione media (mAP) +-1% con gli stessi dati di training forniti.
Logo 1d8ffafe-ec40-4fb2-8f90-72b3b6cecea4 Ottimizzato per il rilevamento di logo dei marchi nelle immagini.
Prodotti sugli scaffali 3780a898-81c3-4516-81ae-3a139614e1f3 Ottimizzato per il rilevamento e la classificazione dei prodotti sugli scaffali.
Domini compatti Ottimizzati per i vincoli di rilevamento in tempo reale su dispositivi perimetrali.

Domini compatti

I modelli generati da domini compatti possono essere esportati per l'esecuzione in locale. Nell'API di anteprima pubblica di Visione personalizzata 3.4 è possibile ottenere un elenco delle piattaforme esportabili per i domini compatti chiamando l'API GetDomains.

Tutti i domini seguenti supportano l'esportazione nei formati ONNX, TensorFlow, TensorFlowLite, TensorFlow.js, CoreML e VAIDK, ad eccezione del fatto che il dominio VAIDK (Object Detection General) non supporta VAIDK.

Le prestazioni del modello variano in base al dominio selezionato. Nella tabella seguente vengono riportate le dimensioni e il tempo di inferenza del modello nella CPU Desktop Intel e nella GPU NVIDIA [1]. Tali dati non includono i tempi di pre- e post-elaborazione.

Attività Domain ID Dimensioni del modello Tempo di inferenza CPU Tempo di inferenza GPU
Classificazione General (compact) (Generale - compatto) 0732100f-1a38-4e49-a514-c9b44c697ab5 6 MB 10 ms 5 ms
Classificazione Generale (compatta) [S1] a1db07ca-a19a-4830-bae8-e004a42dc863 43 MB 50 ms 5 ms
Rilevamento oggetti General (compact) (Generale - compatto) a27d5ca5-bb19-49d8-a70a-fec086c47f5b 45 MB 35 ms 5 ms
Rilevamento oggetti Generale (compatta) [S1] 7ec2ac80-887b-48a6-8df9-8b1357765430 14 MB 27 ms 7 ms

Nota

Il dominio Generale (compatto) per il rilevamento degli oggetti richiede una logica di post-elaborazione speciale. Per informazioni dettagliate, vedere uno script di esempio nel pacchetto ZIP esportato. Se è necessario un modello senza la logica di post-elaborazione, usare Generale (compatto) [S1].

Importante

Non esiste alcuna garanzia che i modelli esportati restituiscano esattamente lo stesso risultato dell'API Prediction nel cloud. Una leggera differenza nella piattaforma in esecuzione o nell'implementazione di pre-elaborazione può causare una maggiore differenza negli output del modello. Per informazioni dettagliate sulla logica di pre-elaborazione, vedere Avvio rapido: Creare un progetto di classificazione delle immagini.

[1] Intel Xeon E5-2690 CPU e NVIDIA Tesla M60

Contenuto correlato

Seguire le istruzioni di avvio rapido per iniziare a creare ed eseguire il training di un progetto di Visione personalizzata.