설명

Azure Custom Vision은 이미지 분류기를 직접 구축, 배포 및 개선할 수 있는 인지 서비스입니다. 이미지 분류기는 이미지의 시각적 특성에 따라 레이블(클래스를 나타냄)을 이미지에 적용하는 AI 서비스입니다. Computer Vision 서비스와 달리 Custom Vision에서는 적용할 레이블을 지정할 수 있습니다.
참고: Custom Vision 서비스는 머신 러닝 알고리즘을 사용하여 이미지에 레이블을 적용합니다. 개발자는 해당 특징이 있는 이미지와 없는 이미지 그룹을 제출해야 합니다. 이미지 제출 시 직접 레이블을 지정하면, 알고리즘이 이 데이터를 학습하고 동일한 이미지에 대해 자체 테스트를 수행하여 정확도를 계산합니다. 알고리즘이 학습되면 테스트 및 재학습을 거쳐 앱의 필요에 따라 새 이미지를 분류하는 데 사용할 수 있습니다. 모델 자체를 오프라인에서 사용하기 위해 내보낼 수도 있습니다.
참조:
https://docs.microsoft.com/en-us/azure/cognitive-services/custom-vision-service/home 커스텀 비전 - 사용자가 제공한 데이터를 사용하여 모델을 구축하고 학습하는 데 도움이 되는 컴퓨터 비전 서비스 유형입니다. 커스텀 비전을 사용하여 객체 감지 솔루션을 만드는 것은 세 가지 주요 작업으로 구성됩니다. 먼저 이미지를 업로드하고 태그를 지정한 다음, 모델을 학습시키고, 마지막으로 클라이언트 애플리케이션에서 예측을 생성할 수 있도록 모델을 게시해야 합니다.
https://docs.microsoft.com/en-us/learn/modules/detect-objects-images-custom-vision/2-object-detection-azure

참조:
https://docs.microsoft.com/en-us/azure/architecture/data-guide/technology-choices/natural-language-processing
https://azure.microsoft.com/en-us/services/cognitive-services/text-analytics

설명:

회귀는 관련된 특성 집합에서 레이블의 값을 예측하는 데 사용되는 머신 러닝 작업입니다.
참조:
https://docs.microsoft.com/en-us/dotnet/machine-learning/resources/tasks

설명
그래픽 사용자 인터페이스, 애플리케이션 설명이 자동 생성되었습니다.

설명:

Microsoft Azure AI Fundamentals(AI-900) 공식 학습 가이드와 Microsoft Learn 모듈 "Computer Vision 및 Custom Vision 서비스의 기능 식별"에 따르면, Custom Vision 서비스는 사용자가 직접 레이블을 지정한 데이터를 사용하여 사용자 지정 이미지 분류 및 객체 감지 모델을 학습, 배포 및 개선하는 데 사용됩니다.
* 다중 레이블 또는 다중 클래스 선택 - 아니요. 다중 레이블 또는 다중 클래스 선택은 이미지 분류 모델에만 적용되고 객체 감지 모델에는 적용되지 않으므로 이 진술은 거짓입니다. 이미지 분류에서는
"다중 클래스"는 이미지당 하나의 레이블을 의미하고, "다중 레이블"은 이미지당 여러 개의 레이블을 의미합니다. 이와 대조적으로, 객체 감지 모델은 경계 상자를 사용하여 이미지에서 여러 객체를 식별하고 위치를 파악하므로, 이러한 분류 유형 선택은 적용되지 않습니다.
* 객체 감지 기능으로 이미지 내 콘텐츠 위치 파악 - 예. 이 설명은 사실입니다. Custom Vision의 객체 감지 기능은 이미지에 나타나는 객체를 식별하고 경계 상자 좌표를 통해 해당 객체의 위치를 ​​파악하도록 설계되었습니다. 예를 들어, 모델은 매장 선반에서 여러 제품을 감지하고 위치를 파악할 수 있습니다. Microsoft 설명서에서는 객체 감지를 다음과 같이 설명합니다.
"이미지에서 객체의 존재와 위치를 식별합니다."
* 사전 정의된 도메인 - 예. 이 설명도 마찬가지입니다. 새로운 Custom Vision 프로젝트를 생성할 때는 도메인을 선택해야 합니다. 도메인은 소매, 음식, 랜드마크 또는 일반 이미지와 같은 특정 사용 사례에 맞춰 사전 정의된 최적화 설정입니다. 이러한 도메인은 분석할 이미지 유형에 따라 특수한 전이 학습 특성을 적용하여 모델 정확도를 향상시키도록 설계되었습니다.
요약하면:
* 분류 유형(Multilabel/Multiclass) : 없음(분류 모델에만 해당)
* 객체 위치 감지: 예
* 미리 정의된 도메인 선택: 예