Comprendre la classification
Vous pouvez utiliser une technique de classification de Machine Learning pour prédire à quelle catégorie, ou classe, un élément appartient. Les modèles Machine Learning de classification se basent sur un ensemble d’entrées, que nous appelons caractéristiques, afin de calculer un score de probabilité pour chaque classe possible et prédire une étiquette qui indique la classe la plus probable à laquelle un objet appartient.
Par exemple, une fleur peut avoir diverses caractéristiques, comme les mesures de ses pétales, de sa tige et de ses sépales, et d’autres caractéristiques quantifiables. Il est possible d’entraîner un modèle Machine Learning en appliquant à ces mesures un algorithme qui détermine l’espèce la plus probable de la fleur (sa classe).
Comprendre la classification des images
La classification d’images est une technique de machine learning où l’objet à classifier est une image, par exemple une photo.
Pour créer un modèle de classification d'images, il vous faut des données constituées de caractéristiques et de leurs étiquettes. Les données existantes forment un jeu d'images catégorisées. Les images numériques sont constituées d’un tableau de valeurs de pixels, lesquelles sont utilisées comme caractéristiques pour entraîner le modèle d’après les classes d’images connues.
Le modèle est entraîné à faire correspondre les motifs des valeurs des pixels avec un jeu d'étiquettes de classe. Au terme de son apprentissage, vous pouvez utiliser le modèle avec de nouveaux jeux de caractéristiques pour prédire des valeurs d'étiquettes inconnues.
Service Custom Vision d'Azure
La plupart des solutions modernes de classification d’images sont basées sur des techniques de deep learning (ou apprentissage profond). Celles-ci se servent de réseaux neuronaux convolutifs (les CNN) pour détecter des modèles dans les pixels qui correspondent à des classes particulières. L’entraînement d’un réseau neuronal convolutif est une tâche complexe qui demande une grande expertise en science des données et en machine learning.
Des techniques couramment utilisées pour l’apprentissage des modèles de classification d’images ont été intégrées au service cognitif Azure AI Custom Vision de Microsoft Azure. Avec quelques connaissances de base des techniques de Deep Learning, vous pourrez facilement effectuer l’apprentissage d’un modèle et le publier en tant que service logiciel. Vous pouvez utiliser Azure AI Custom Vision pour entraîner des modèles de classification d’images, puis déployer ces modèles en tant que services afin de les mettre à la disposition des applications.