之前介绍了构建Azure AI的人脸识别服务Demo，那么对于物体的识别如何呢？今天我就给大家介绍演示构建自定义视觉的Demo实现物品识别，比如我先用机器学习训练它告诉杯子长什么样，给他最少5张杯子的图片即可完成训练，最后我上传或拍照任意水杯的图片或照片，会告诉我这个图片或照片有百分之多少像杯子，当然训练的素材越多，识别的准确率和匹配率就越高。

首先在Azure上创建自定义视觉服务

创建

Intelligent Kiosk的自定义视觉Demo目前只支持美国中南部位置，因此只能选择美国中南部，F0就是免费的，但存在调用次数的限制，试用足矣

创建完成后有2个自定义视觉的认知服务，一个是训练，一个是预测

先点开训练自定义视觉认知服务，把训练的认知服务键中的密钥1复制到Intelligent Kiosk设置里的自定义视觉训练key里

接着再打开预测自定义视觉的认知服务，把密钥1复制到Intelligent Kiosk设置里的自定义视觉预测的KEY里

然后切换回Demo Gallery，选择Custom Vision Explorer Demo

内置了一些训练好的项目，比如篮球，蓝框，运动员，这里我点击+号自己来训练一组对象

新建项目点击+号

项目名称为物体，点击add，图片类别选择通用

新建一个标签为手机

在images点击+号我上传5张网上随意找的手机图片

同理，再新建一个水杯标签，上传5张网上随意找的水杯图片

一样上传5张鼠标图片，最后点击右上角的训练项目，让机器学习熟悉这些物体是什么

最后就是测试了，我返回选择目标项目是刚才我自己创建的物体，点击右上角的摄像头，我就自己拍手里拿的水杯照片，可以看到识别出85%像水杯

同理我再拍一张鼠标，识别出71%像鼠标

一样拍一张手机，也识别出这是手机（100%像）

两个物体同框拍照，分别识别出手机和鼠标

还可以点击右上角的Search网上一张手机照片来让它识别也是没问题的。

识别准确度取决于提供的素材库的数量以及图片的质量，训练的素材越多，识别的物体的准确度和匹配度就越高，这就是利用Azure进行自定义识别物品的Demo，当然你还可以训练很多自定义的东西，比如天气，交通工具，汽车品牌，汽车部位等等，只要上传相应的图片打上标签，训练后就可以对任意上传和拍照的图片或照片进行识别。