自訂視覺的新功能
了解該服務的新功能。 這些項目可能是版本資訊、影片、部落格文章與其他類型的資訊。 將此頁面加入書籤，以掌握服務的最新狀態。
2022 年 5 月
最低估計預算
- 在自訂視覺入口網站中，使用者現在可以檢視定型其專案所需的最低預估預算。 此估計 (以小時為單位) 是根據使用者上傳的影像量和使用者選取的網域來計算。
2020 年 10 月
自訂基底模型
- 有些應用程式有大量的聯合定型資料，但需要分別微調其模型；對於來自不同來源但有些許差異的影像，這會導致較佳的效能。 在此情況下，您可以像平常一樣使用大量的定型資料來定型第一個模型。 然後在要求本文中使用 CustomBaseModelInfo 呼叫 3.4 公開預覽 API 中的 TrainProject，以使用第一個階段定型的模型作為下游專案的基底模型。 如果來源專案和下游目標專案有類似的影像特性，則應該會有更好的效能。
新的網域資訊
- 從自訂視覺 3.4 公開預覽 API 中的 GetDomains 傳回的網域資訊，現在會包含支援的可匯出平台、模型架構的簡短描述，以及精簡網域的模型大小。
定型分歧意見反應
- 自訂視覺 3.4 公開預覽 API 現在會從 GetIteration 呼叫傳回 TrainingErrorDetails。 在失敗的反復項目上，這會顯示失敗是否因定型分歧而造成，從而可以利用更多更高品質的定型資料來補救。
2020 年 7 月
Azure 角色型存取控制
- 自訂視覺支援 Azure 角色型存取控制 (Azure RBAC) 授權系統，可用於管理 Azure 資源的個別存取權。 若要了解如何管理自訂視覺專案的存取權，請參閱 Azure 角色型存取控制。
子集訓練
- 訓練物件偵測專案時，您可以選擇只在已套用的標記子集上進行訓練。 您可以在尚未套用足夠的特定標記，但其他套用的標記已足夠時執行此操作。 請遵循適用於 C# 或 Python 的用戶端程式庫快速入門來深入了解。
Azure 儲存體通知
- 您可以將自訂視覺專案與 Azure Blob 儲存體佇列整合，以取得專案訓練/匯出活動的推播通知，以及已發行模型的備份副本。 這項功能有助於避免長時間執行作業時，系統持續輪詢服務來取得結果。 相反地，您可以將儲存體佇列通知整合到您的工作流程中。 若要深入了解，請參閱儲存體整合指南。
複製並移動專案
- 您現在可以將專案從一個自訂視覺帳戶複製到其他帳戶。 您可以將專案從開發移至實際執行環境，或將專案備份到不同 Azure 區域中的帳戶，以提高資料安全性。 若要深入了解，請參閱複製和移動專案指南。
2019 年 9 月
建議的標記
2019 年 5 月
- 錯誤修正與後端改進項目
- 改進與 Azure 訂用帳戶相關的入口網站 UX 體驗，讓您更輕鬆地選取 Azure 目錄。
2019 年 4 月
- 將每個影像的週框方塊數目限制增加到 200。
- 錯誤修正，包含匯出至 TensorFlow 模型的大幅效能更新。
- 已新增視覺 AI 開發工具組的物件偵測匯出。
- UI 調整，包括專案搜尋。
2019 年 3 月
- 自訂視覺服務已在 Azure 上正式運作！
- 新增了進階定型功能並搭配新的機器學習後端來改善效能，特別是針對具挑戰性的資料集和更精細的分類。 您可以使用進階定型來指定定型的計算時間預算，而自訂視覺將實驗性找出最佳定型和增強設定。 若要快速反覆運算，您可以繼續使用現有的快速定型。
- 已引進 3.0 API。 已宣佈即將於 2019 年 10 月 1 日淘汰 3.0 之前的 API。 請參閱快速入門文件，以取得如何開始使用的範例。
- 已將「預設反覆項目」取代為 3.0 API 中的發佈/取消發佈。
- 已新增新的模型匯出目標。 Dockerfile 匯出已升級為支援 ARM for Raspberry Pi 3。 已將匯出支援新增至視覺 AI 開發工具組。
- 針對 S0 階層，將每個專案的標籤限制增加為 500。 針對 S0 階層，將每個專案的映像限制增加為 100,000。
- 已移除成人網域。 建議改用一般網域。
- 已宣佈定價正式運作。
2019 年 2 月
- 已宣佈結束有限的試用版專案 (未與 Azure 資源相關聯的專案)，因為自訂視覺接近完成移至 Azure 公開預覽。 自 2019 年 3 月 25 日起，CustomVision.ai 網站將僅支援檢視與 Azure 資源相關聯的專案，例如免費的自訂視覺資源。 至 2019 年 10 月 1 日為止，您仍可透過自訂視覺 API 來存取現有的有限試用版專案。 這會讓您有時間更新您使用自訂視覺所撰寫任何應用程式的 API 金鑰。 在 2019 年 10 月 1 日之後，任何未移至 Azure 的有限試用版專案都會遭到刪除。
2019 年 1 月
- 對於新 Azure 區域新增的支援：美國西部 2、美國東部、美國東部 2、西歐、北歐、東南亞、澳大利亞東部、印度中部、英國南部、日本東部和美國中北部。 對於美國中南部繼續提供支援。
2018 年 12 月
- 支援匯出物件偵測模型 (導入了物件偵測 Compact 網域)。
- 已修正一些協助工具問題，改善螢幕閱讀程式和鍵盤瀏覽支援。
- 影像檢視器的 UX 更新，改善物件偵測標記體驗，以便更快速標記。
- 更新物件偵測網域的基底模型，以獲得更佳品質的物體偵測。
- 錯誤修正。
2018 年 11 月
- 新增物件偵測中標誌網域的支援。
2018 年 10 月
- 物件偵測進入付費預覽。 您現在可以使用 Azure 資源建立物件偵測專案。
- 新增「移至 Azure」功能到網站，讓有限的試用版專案升級連結到 Azure 更輕鬆。 與資源連結的專案 (F0 或 S0)。您可以在您產品的 [設定] 頁面上找到這項功能。
- 新增匯出至 ONNX 1.2 以支援 Windows ML 的 Windows 2018 十月更新版。 錯誤修正，包括含有特殊字元的 ONNX 匯出。
2018 年 8 月
- customvision.ai 網站已新增「開始使用」小工具，可引導使用者進行專案訓練。
- 機器學習服務管線的進一步增強，有利於多標籤專案 (新遺失層)。
2018 年 6 月
- UX 重新整理，著重於使用和協助工具的便利性。
- 機器學習管線的步增強，有利於有許多標籤的多標籤專案。
- 修正在 TensorFlow 匯出的錯誤。 啟用匯出模型版本設定，以便可多次匯出反覆項目。
- 錯誤修正與後端改進項目。
- 對於映像只有一個標籤的專案，已啟用多元分類。 在多元模式的預測中，機率會加總為 1 (所有映像均歸類於您指定的標籤)。
2018 年 5 月
- 導入了有限試用專案的預覽物體偵測功能。
- 升級為 2.0 API
- S0 層已擴充為多達 250 個標記和 50,000 個影像。
- 影像分類專案的機器學習管線已進行重大的後端功能改進。 在 2018 年 4 月 27 日之後訓練的專案會受益於這些更新。
- 新增了目的地為 ONNX 的模型匯出功能，以用於 Windows ML。
- 新增了目的地為 Dockerfile 的模型匯出功能。 這可讓您下載成品來建置您自己的 Windows 或 Linux 容器，包括 DockerFile、TensorFlow 模型和服務程式碼。
- 對於新訓練出來的模型，如果其匯出至一般 (精簡) 和地標 (精簡) 網域中的 TensorFlow，則平均值現在為 (0,0,0)，以便讓所有專案保持一致。
2018 年 3 月
- 輸入了付費預覽並上架到 Azure 入口網站。 專案現在可以連結至 F0 (免費) 或 S0 (標準) 層的 Azure 資源。 導入了 S0 層專案，允許使用多達 100 個標記和 25,000 個影像。
- 後端變更為機器學習管線/正規化參數。 這會讓客戶在調整機率閾值時，對準確率與召回率有更好的取捨控制能力。 在進行這些變更的過程中，CustomVision.ai 入口網站中的預設機率閾值設為 50%。
2017 年 12 月
- 除了先前發行的匯出至 iOS (CoreML) 外，已新增匯出至 Android (TensorFlow)。這可讓經過訓練的精簡模型匯出功能，在應用程式中離線執行。
- 已新增零售和地標「精簡」網域，以啟用這些網域的模型匯出功能。
- 已發行 1.2 版訓練 API 和 1.1 版預測 API。 已更新 API 支援模型匯出、不會將影像儲存至「預測」的新預測作業，並為訓練 API 引進了批次作業。
- UX 調整，包括可查看使用了哪些網域來訓練反覆項目。
- 已更新 C# SDK 和範例。