ML.NET现可训练自定义物体侦测模型

微软释出了新版ML.NET 1.5.2，开始提供物体侦测功能，另外，开发者也可以使用ML.NET CLI在本地端训练图像分类模型。ML.NET是.NET开源跨平台机器学习框架，可以让开发者在.NET应用程式中整合机器学习技术，而ML.NET也提供了模型建置工具，让开发者依场景和资料，自定义机器学习模型。

在之前的版本，开发者可以透过ML.NET API，使用经预训练的TensorFlow和ONNX模型进行物体侦测，而在最新的版本，开发者能够直接在Visual Studio使用模型建置器（Model Builder），利用Azure和AutoML的机器学习服务，来训练自定义物体侦测模型。

物体侦测与图像分类功能是类似的电脑视觉技术，微软解释，物体侦测会以更精细的尺度分类图像，能够对图像中多个实体进行定位和分类，当单张图像包含多个不同类型物体时，就需要使用物体侦测技术。

现在开发者只要在Visual Studio中，选择物体侦测场境，并在模型建置器设定Azure机器学习工作区，就能开始输入资料训练模型，模型建置器会将资料上传到Azure，并使用Azure机器学习服务开始训练模型，在训练完成后，开发者就能下载训练完成的ML.NET模型，并在本地端进行测试。

不过，目前模型建置器还不提供图片注解功能，因此使用者必须要先使用外部工具，在训练图像中，先绘製矩形边界框把物体圈选出来。官方建议开发者使用影像标记开源专案VoTT（Visual Object Tagging Tool），标记要用来训练的图片，微软提到，模型建置器目前仅接受由VoTT产生的JSON格式，不过，他们计画之后提供更多格式的支援。

另外，新版也让开发者可以使用跨平台ML.NET CLI，在本地端训练自定义图像分类模型，像是训练天气模型，辨识下雨、多云和晴天的图片，开发者可以使用正确格式的图片，并在不同命名的资料夹中，存放相对应的图片，ML.NET CLI就能够利用这些资料夹中的资料集训练模型。

微软提到，虽然上个月才释出ML.NET 1.5.1，但是1.5.2修复了前一个版本多个错误，而且新支援更多ONNX输出类型，因此建议开发者可以跳过1.5.1直上1.5.2。