AutoML 图像对象检测
本文介绍 Azure 机器学习设计器中的一个组件。
使用此组件创建基于 AutoML 图像对象检测的机器学习模型。
图像对象检测模型将在图像中查找实体并对其进行分类。 物体检测模型通常使用深度学习和神经网络进行训练。
配置方式
点击此链接，获取此组件可配置参数的完整列表。
此模型需要训练数据集。 验证和测试数据集是可选的。
通过此链接获取关于如何准备数据集的详细信息。数据集需要一个标记的数据集，它必须包含一个所有行都具有值的标签列。
AutoML 会并行(在 max_concurrent_trials 中指定)运行一系列试验(在 max_trials 中指定)，这些试验会针对你的模型尝试不同的算法和参数。 该服务将迭代与超参数选项配对的 ML 算法，每次试验都会生成带有训练评分的模型。 你可以选择要优化模型的哪个指标。 所选指标的分数越高，模型就越被视为“适合”你的数据。 你可以为试验定义退出条件（终止策略）。 退出条件是具有你希望 AutoML 查找的特定训练分数的模型。 一旦达到定义的退出条件，机器学习就会停止。 然后，此组件将输出在数据集运行结束时生成的最佳模型。 有关退出条件（终止策略）的详细信息，请访问此链接。
将 AutoML 图像对象检测组件添加到你的管道。
指定你想要模型输出的目标列
指定你希望 AutoML 用于衡量你的模型成功与否的主要指标。 有关计算机视觉的每个主要指标的说明，请访问此链接。
（可选）你可以配置算法设置。 有关支持的计算机视觉算法列表，请访问此链接。
（可选）若要配置作业限制，请访问此链接以获取更多说明。
（可选）请访问此链接，查看作业扫描的采样和提前终止的配置列表。还可以找到有关每个策略和采样方法的详细信息。
后续步骤
请参阅 Azure 机器学习可用的组件集。