Azure自定义视觉是Azure AI的一部分，它提供了广泛的产品和服务，涉及计算机视觉、自然语言处理和机器学习。在本指南中，将展示如何在Azure自定义视觉中标记计算机视觉数据集。将找到项目所需的数据，将其导入Azure自定义视觉，并进行标注。将通过一个标记太阳能电池板数据集用于对象检测的示例来说明。
创建自定义视觉实例
首先，需要在Azure仪表板中创建一个自定义视觉实例。转到Azure仪表板，搜索“自定义视觉”，这将带到自定义视觉的主页面。在可以使用自定义视觉之前，需要在账户上创建一个自定义视觉实例。点击“创建自定义视觉”按钮。接下来，将被要求填写有关项目的信息。首先，将被要求选择是否要使用自定义视觉进行训练、部署或两者兼有。选择与项目相关的选项。
需要将自定义视觉实例附加到一个资源组，选择一个项目名称，并为实例选择定价层。了解更多关于Azure自定义视觉定价的信息。一旦填写了表格，点击“审查+创建”以创建一个新的自定义视觉实例。将被带到一个页面，该页面报告部署状态。部署步骤可能需要一些时间。一旦自定义视觉实例部署完成，就可以开始使用自定义视觉了。
创建自定义视觉项目
Azure自定义视觉有自己的Web界面，与主Azure仪表板分开。打开自定义视觉仪表板，然后点击“创建项目”按钮。将被要求提供项目名称，选择与项目相关联的自定义视觉实例（这是在前一步创建的），选择项目类型（对象检测或分类）。对于本指南，将训练一个对象检测模型。配置项目后，点击“创建项目”。
寻找或收集要标记的图像
如果已经有要标记的图像，可以跳过这一步。在可以训练视觉模型之前，需要用于模型训练的图像。Roboflow提供了一些工具，可以使用这些工具来寻找和收集图像。Roboflow Collect是一个开源的智能边缘数据收集产品。使用Roboflow Collect，可以从网络摄像头收集符合特定文本提示（例如“汽车”）或与提供的图像相似的图像。Collect还具有避免收集与已收集图像过于相似的图像的功能。
如果想要找到已经收集的数据，请访问Roboflow Universe。Universe是一个共享计算机视觉数据集的社区。在Universe上已经创建了超过200,000个数据集。还有超过50,000个预训练模型可以测试。在Universe上有超过1亿张图像。可以使用文本来查询图像（例如“太阳能电池板”）。点击搜索页面上的一个数据集以了解更多关于数据集的信息。要查看数据集中的图像，请点击侧边栏中的“图像”。可以通过点击一个来查看单个图像。
要导出数据集，首先使用页面侧边栏中的链接转到数据集标签。然后，点击“YOLOv8”按钮。选择YOLOv8导出格式，并选择“下载zip到计算机”。直接将数据集从Universe导出到Azure自定义视觉不受支持，但可以导出在Roboflow Web应用程序中标记的数据集。了解更多关于使用Azure自定义视觉训练计算机视觉模型的信息。如果所选数据集已经预先标记，可以在Roboflow中创建一个项目，上传数据集，然后从那里导出。
上传图像
转到在自定义视觉中创建的项目。点击“添加图像”按钮并上传想要注释的图像。选择要上传的图像后，将出现一个预览窗口，显示一些已上传的图像。点击“上传文件”按钮上传图像。将显示一个进度条，显示图像上传过程的状态。当图像上传完成后，将能够在Azure自定义视觉中对它们进行标记。
标记图像
点击一个图像开始标记。将出现一个弹出窗口，在其中可以标记选择的图像。由于正在为对象检测模型标记数据，因此需要在感兴趣的对象周围绘制边界框。Azure自定义视觉提供了两种标记方法：手动标记，可以使用光标绘制边界框；自动标记，自定义视觉尝试标记感兴趣的对象。要使用自动标记解决方案，必须在Azure自定义视觉上有一个训练有素的模型。要手动标记对象，请点击感兴趣的对象边缘上的一个点，然后拖动以绘制一个边界框。
要自动标记对象，首先训练模型的一个版本。然后，在自定义视觉标记工具中的图像上将出现一个“建议的对象开启”切换按钮。当切换该选项时，自定义视觉将使用模型来标记一个图像。继续标记数据集中的所有图像。然后，可以使用Azure自定义视觉训练模型。阅读在Azure自定义视觉中训练模型的完整指南。
如果需要一种更快的图像注释方式，请查看Roboflow Annotate。Roboflow Annotate提供了标签助手功能，可以使用这些功能来加速注释过程。使用Smart Polygon，可以通过单击对象而不是手动绘制框或多边形来绘制多边形注释。还可以使用托管在Roboflow Universe上的模型进行模型辅助标记。这允许使用50,000多个模型中的一个，在标记图像时自动推荐注释。了解更多关于如何使用Universe支持的模型辅助标记来标记模型的信息。