Selecione um domínio para um projeto de Visão Personalizada
Este guia mostra como selecionar um domínio para seu projeto no Serviço de Visão Personalizada.
Na guia Configurações do seu projeto no portal da Web Visão Personalizada, você pode selecionar um domínio de modelo para seu projeto. Você vai querer escolher o domínio mais próximo do seu cenário de caso de uso. Se você estiver acessando a Visão Personalizada por meio de uma biblioteca de cliente ou API REST, precisará especificar uma ID de domínio ao criar o projeto. Você pode obter uma lista de IDs de domínio com Obter domínios. Ou use a tabela abaixo.
Domínios de classificação de imagem
Domínio | Propósito |
---|---|
General (Geral) | Otimizado para uma ampla gama de tarefas de classificação de imagens. Se nenhum dos outros domínios específicos for apropriado, ou se você não tiver certeza de qual domínio escolher, selecione um dos domínios Gerais. Identificação: ee85a74c-405e-4adc-bb47-ffa8ca0c9f31 |
Geral [A1] | Otimizado para melhor precisão com tempo de inferência comparável como domínio Geral. Recomendado para conjuntos de dados maiores ou cenários de usuário mais difíceis. Este domínio requer mais tempo de formação. Identificação: a8e3c40f-fb4a-466f-832a-5e457ae4a344 |
Geral [A2] | Otimizado para melhor precisão com tempo de inferência mais rápido do que os domínios Geral[A1] e Geral. Recomendado para a maioria dos conjuntos de dados. Este domínio requer menos tempo de formação do que os domínios Geral e Geral [A1]. Identificação: 2e37d7fb-3a54-486a-b4d6-cfc369af0018 |
Alimentação | Otimizado para fotografias de pratos como você os veria em um menu de restaurante. Se quiser classificar fotografias de frutas ou vegetais individuais, use o domínio Alimentos. Identificação: c151d5b5-dd07-472a-acc8-15d29dea8518 |
Lugares de destaque | Otimizado para pontos de referência reconhecíveis, tanto naturais como artificiais. Este domínio funciona melhor quando o marco é claramente visível na fotografia. Este domínio funciona mesmo que o marco esteja ligeiramente obstruído por pessoas à sua frente. Identificação: ca455789-012d-4b50-9fec-5bb63841c793 |
Retail | Otimizado para imagens encontradas em um catálogo de compras ou site de compras. Se você quiser uma classificação de alta precisão entre vestidos, calças e camisas, use este domínio. Identificação: b30a91ae-e3c1-4f73-a81e-c270bff27c39 |
Domínios compactos | Otimizado para as restrições de classificação em tempo real em dispositivos de borda. |
Nota
Os domínios General[A1] e General[A2] podem ser usados para um amplo conjunto de cenários e são otimizados para precisão. Use o modelo General[A2] para melhor velocidade de inferência e menor tempo de treinamento. Para conjuntos de dados maiores, você pode querer usar General[A1] para renderizar melhor precisão do que General[A2], embora isso exija mais treinamento e tempo de inferência. O modelo Geral requer mais tempo de inferência do que Geral[A1] e Geral[A2].
Domínios de deteção de objetos
Domínio | Propósito |
---|---|
General (Geral) | Otimizado para uma ampla gama de tarefas de deteção de objetos. Se nenhum dos outros domínios for apropriado ou se você não tiver certeza de qual domínio escolher, selecione o domínio Geral. Identificação: da2e3a8a-40a5-4171-82f4-58522f70fbc1 |
Geral [A1] | Otimizado para melhor precisão com tempo de inferência comparável como domínio Geral. Recomendado para necessidades de localização de região mais precisas, conjuntos de dados maiores ou cenários de usuário mais difíceis. Este domínio requer mais tempo de treinamento e os resultados não são determinísticos: espere uma diferença média de precisão média (mAP) de +-1% com os mesmos dados de treinamento fornecidos. Identificação: 9c616dff-2e7d-ea11-af59-1866da359ce6 |
Logótipo | Otimizado para encontrar logotipos de marcas em imagens. Identificação: 1d8ffafe-ec40-4fb2-8f90-72b3b6cecea4 |
Produtos nas prateleiras | Otimizado para detetar e classificar produtos em prateleiras. Identificação: 3780a898-81c3-4516-81ae-3a139614e1f3 |
Domínios compactos | Otimizado para as restrições de deteção de objetos em tempo real em dispositivos de borda. |
Domínios compactos
Os modelos gerados por domínios compactos podem ser exportados para serem executados localmente. Na API de visualização pública do Custom Vision 3.4, você pode obter uma lista das plataformas exportáveis para domínios compactos chamando a API GetDomains.
Todos os domínios a seguir oferecem suporte à exportação nos formatos ONNX, TensorFlow, TensorFlowLite, TensorFlow.js, CoreML e VAIDK, com a exceção de que o domínio Object Detection General (compact) não suporta VAIDK.
O desempenho do modelo varia de acordo com o domínio selecionado. Na tabela abaixo, relatamos o tamanho do modelo e o tempo de inferência na CPU Intel Desktop e GPU NVidia [1]. Esses números não incluem o tempo de pré-processamento e pós-processamento.
Task | Domínio | ID | Tamanho do Modelo | Tempo de inferência da CPU | Tempo de inferência da GPU |
---|---|---|---|---|---|
Classificação | Geral (compacto) | 0732100f-1a38-4e49-a514-c9b44c697ab5 |
6 MB | 10 ms | 5 ms |
Classificação | Geral (compacto) [S1] | a1db07ca-a19a-4830-bae8-e004a42dc863 |
43 MB | 50 ms | 5 ms |
Deteção de Objetos | Geral (compacto) | a27d5ca5-bb19-49d8-a70a-fec086c47f5b |
45 MB | 35 ms | 5 ms |
Deteção de Objetos | Geral (compacto) [S1] | 7ec2ac80-887b-48a6-8df9-8b1357765430 |
14 MB | 27 ms | 7 ms |
Nota
O domínio Geral (compacto) para Deteção de Objetos requer uma lógica de pós-processamento especial. Para obter detalhes, consulte um script de exemplo no pacote zip exportado. Se você precisar de um modelo sem a lógica de pós-processamento, use Geral (compacto) [S1].
Importante
Não há garantia de que os modelos exportados forneçam exatamente o mesmo resultado que a API de previsão na nuvem. Uma pequena diferença na plataforma em execução ou na implementação de pré-processamento pode causar uma diferença maior nas saídas do modelo. Para obter detalhes sobre a lógica de pré-processamento, consulte este documento.
[1] CPU Intel Xeon E5-2690 e NVIDIA Tesla M60
Próximos passos
Siga um guia de início rápido para começar a criar e treinar um projeto de Visão Personalizada.