概述

场景	描述
分类	图像分类是一种监督机器学习技术，用于学习和预测给定图像的类别。
相似性	图像相似性是一种计算给定一对图像相似度分数的方法。给定一张图像，它允许您在给定数据集中识别最相似的图像。
检测	对象检测是一种允许您检测图像中对象边界框的技术。
关键点	关键点检测可用于检测对象上的特定点。提供了一个预训练模型来检测人体姿态估计的身体关节。
分割	图像分割为图像中的每个像素分配一个类别。
动作识别	动作识别（也称为活动识别）包括对一系列帧中的各种动作进行分类，例如“阅读”或“饮水”。
跟踪	跟踪允许随着时间推移在视频序列中检测和跟踪多个对象。

场景

尽管计算机视觉领域发展迅速，但大多数视觉应用都属于以下四类之一：

• 图像分类：给定一张输入图像，预测图像中存在什么对象。这通常是解决最简单的计算机视觉问题，但是分类要求对象在图像中相对较大。

      

• 图像相似性：给定一张输入图像，从参考数据集中查找图像中所有相似的对象。在这里，任务不是预测标签和/或矩形，而是通过参考数据集对找到与查询图像中相似的对象进行排序。

      

• 对象检测：给定一张输入图像，识别并定位存在哪些对象（使用矩形坐标）。对象检测可以找到图像中的小对象。与图像分类相比，对象检测中的模型训练和手动标注图像更耗时，因为需要标签和位置。

      

• 关键点检测：给定一张输入图像，识别并定位关键点。概念上，它首先运行一个对象检测器，然后检测对象上的关键点。实际上，一个单一模型（几乎）同时运行这两个步骤。

      

• 图像分割：给定一张输入图像，为每个像素分配一个标签（例如，背景、瓶子、手、天空等）。实际上，在工业中，这个问题不那么常见，很大程度上是由于训练解决方案所需标注真实分割所需的时间。

      

数据/遥测

以下笔记本收集浏览器使用数据并将其发送给 Microsoft，以帮助改进我们的产品和服务。

• classification/20_azure_workspace_setup
• classification/21_deployment_on_azure_container_instances
• classification/22_deployment_on_azure_kubernetes_service
• classification/23_aci_aks_web_service_testing
• classification/24_exploring_hyperparameters_on_azureml
• detection/11_exploring_hyperparameters_on_azureml

阅读 Microsoft 的隐私声明了解更多信息。

要选择退出跟踪，请转到原始.ipynb文件并删除以下代码行（URL会因文件而略有不同）

    "![Impressions](https://PixelServer20190423114238.azurewebsites.net/api/impressions/ComputerVision/classification/notebooks/21_deployment_on_azure_container_instances.png)"