ML.NET現可訓練自定義物體偵測模型

微軟釋出了新版ML.NET 1.5.2，開始提供物體偵測功能，另外，開發者也可以使用ML.NET CLI在本地端訓練圖像分類模型。ML.NET是.NET開源跨平臺機器學習框架，可以讓開發者在.NET應用程式中整合機器學習技術，而ML.NET也提供了模型建置工具，讓開發者依場景和資料，自定義機器學習模型。

在之前的版本，開發者可以透過ML.NET API，使用經預訓練的TensorFlow和ONNX模型進行物體偵測，而在最新的版本，開發者能夠直接在Visual Studio使用模型建置器（Model Builder），利用Azure和AutoML的機器學習服務，來訓練自定義物體偵測模型。

物體偵測與圖像分類功能是類似的電腦視覺技術，微軟解釋，物體偵測會以更精細的尺度分類圖像，能夠對圖像中多個實體進行定位和分類，當單張圖像包含多個不同類型物體時，就需要使用物體偵測技術。

現在開發者只要在Visual Studio中，選擇物體偵測場境，並在模型建置器設定Azure機器學習工作區，就能開始輸入資料訓練模型，模型建置器會將資料上傳到Azure，並使用Azure機器學習服務開始訓練模型，在訓練完成後，開發者就能下載訓練完成的ML.NET模型，並在本地端進行測試。

不過，目前模型建置器還不提供圖片註解功能，因此使用者必須要先使用外部工具，在訓練圖像中，先繪製矩形邊界框把物體圈選出來。官方建議開發者使用影像標記開源專案VoTT（Visual Object Tagging Tool），標記要用來訓練的圖片，微軟提到，模型建置器目前僅接受由VoTT產生的JSON格式，不過，他們計畫之後提供更多格式的支援。

另外，新版也讓開發者可以使用跨平臺ML.NET CLI，在本地端訓練自定義圖像分類模型，像是訓練天氣模型，辨識下雨、多雲和晴天的圖片，開發者可以使用正確格式的圖片，並在不同命名的資料夾中，存放相對應的圖片，ML.NET CLI就能夠利用這些資料夾中的資料集訓練模型。

微軟提到，雖然上個月才釋出ML.NET 1.5.1，但是1.5.2修復了前一個版本多個錯誤，而且新支援更多ONNX輸出類型，因此建議開發者可以跳過1.5.1直上1.5.2。