説明

Azure Custom Vision は、独自の画像分類器を構築、デプロイ、および改善できるコグニティブ サービスです。画像分類子は、視覚的特性に従って画像にラベル (クラスを表す) を適用する AI サービスです。Computer Vision サービスとは異なり、Custom Vision では適用するラベルを指定できます。
注: Custom Vision サービスは、機械学習アルゴリズムを使用して画像にラベルを適用します。開発者であるあなたは、問題の特徴を備えた画像のグループを提出する必要があります。提出時に自分で画像にラベルを付けます。次に、アルゴリズムはこのデータをトレーニングし、同じ画像でテストして独自の精度を計算します。アルゴリズムのトレーニングが完了したら、テスト、再トレーニングを行い、最終的にそれを使用して、アプリのニーズに応じて新しい画像を分類できます。オフラインで使用するためにモデル自体をエクスポートすることもできます。
参照：
https://docs.microsoft.com/en-us/azure/cognitive-services/custom-vision-service/home カスタム ビジョン - これは、ユーザー提供データを使用したモデルの構築/トレーニングに役立つコンピューター ビジョン サービスの一種です。 Custom Vision を使用したオブジェクト検出ソリューションは、3 つの主要なタスクで構成されています。最初に画像のアップロードとタグ付けを使用する必要があります。次にモデルをトレーニングし、最後にクライアント アプリケーションがモデルを使用して予測を生成できるようにモデルを公開する必要があります。
https://docs.microsoft.com/en-us/learn/modules/detect-objects-images-custom-vision/2-object-detection-azure

説明

信頼性と安全性: 信頼を築くには、AI システムが通常の状況でも予期しない状況でも確実に、安全に、一貫して動作することが重要です。これらのシステムは、当初の設計どおりに動作し、予期しない状況に安全に対応し、有害な操作に抵抗できる必要があります。
参照：
https://docs.microsoft.com/en-us/learn/modules/responsible-ai-principles/4-guiding-principles

説明
予測対真のグラフとは何ですか?
Predicted vs. True は、回帰問題の予測値とそれに相関する真の値の関係を示します。このグラフは、予測値が y=x 線に近いほど予測モデルの精度が高いため、モデルのパフォーマンスを測定するために使用できます。
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-understand-automated-m

参照：
https://docs.microsoft.com/en-us/azure/machine-learning/studio/evaluate-model-performance TP を見つけるのは簡単です。これは基本的に、Predicted 値と True 値が 1 である値を意味し、この場合は 11 です。
False Negative は、真の値が 1 であるが予測値が 0 であり、この場合は 1033 であることを意味します予測され、実際の値は右下で 0 (真陰性) でした。他のセルは、予測値と実際の値が異なる場合 (偽陽性と偽陰性) を示しています。
https://docs.microsoft.com/en-us/learn/modules/create-classification-model-azure-machine-learning-designer/evaluate-model

説明
グラフィカル ユーザー インターフェイス、テキスト、アプリケーション、電子メール 説明が自動的に生成される