上一篇([26]賦予chatbot OCR的能力 - 加入對發票的功能)介紹完了Computer Vision裡面的OCR服務整合到BotBuilder的程式了之後，來看看另外一個和Vision有關的服務，Custom Vision。

在這一篇將介紹Custom Vision是一個什麽樣的服務，并且如何用Custom Vision來建立一個之後會用到的模型。

Custom Vision是什麽？
還記得Computer Vision在介紹的時候提到，那個服務是由微軟用了非常大量的圖片train出來的模型，用來做通用圖片辨識的服務。

可是，每一個使用情景不同，可能會有自己domain的圖片，這個時候Computer Vision就太Generic導致無法很好的識別這些特定領域的圖片。

那有沒有其他的解決方案呢？既然微軟Train出來的是Generic的模型，難道沒辦法自己提供圖片做Training嗎？

這個就是Custom Vision出現的原因，自己的模型自己Train，最後Train出來才符合自己的Domain使用。

Custom Vision是在train什麽模型？
上面一直提到train自己的模型，可是這個train出來的模型目的是什麽？

Custom Vision有兩個目的：

Train出一個能夠分類（classifier）的模型
能夠從圖片找到物體的範圍 - 目前在preview，這幾篇不會介紹這個功能
如果沒有接觸過Machine Learning可能對於分類還是沒什麽概念，那麽換成HotelBot的情景看看：

在每一間房間裡面有冰箱，在冰箱有不同類型的飲料，有沒有辦法讓客人對想喝的飲料拍照，然後chatbot就顯示出要多少錢？
從上面的情景可以發現需求是，把拍照的内容做分類，判斷出屬於那一類的飲料，因此Custom Vision非常適合這個工作。

在Custom Vision建立模型
上面瞭解了服務的用途以及概念了之後，接下來看看如何建立一個模型。

要建立模型總共經歷幾個步奏：

找訓練資料 - 每一種分類至少準備5張相片
在customvision.ai建立一個專案
在專案裡面開始上傳training的圖片
執行Train的動作
測試
找訓練資料
首先是需要找素材，這邊我將對於3個類型的飲料去網路上面找一些圖片：

可口可樂
百事可樂
雪碧
Training的圖片越多越好，至少5張爲好，當然不夠也沒關係，只是準確度有差。

另外一個是在production的時候，最好有些圖片是真實拍出來會比較好，因爲有些網上圖片特徵太明顯會造成之後識別不準確。

在customvision.ai建立一個專案
Custom Vision和LUIS非常類似，都是到某個網站建立一個專案之後才做，因此：

先到https://customvision.ai/主頁，然後按下Sign in的按鈕，登入帳號了之後會看到專案的畫面：

如果帳號有多個Azure Subscription的話，右上角可以切換
建立新的專案選擇New Project，如果是調整現有的點選列出來的專案即可

登入之後的畫面
點下New Project之後，有一些欄位需要做填寫：

Name：好識別即可
Description：詳細描述，給自己看的
Resource Group：牽扯到模型建立在那邊，有免費可以用，如果要production就要放在付費的等級比較好。可以選擇旁邊的Create new來建立
Project Types：還記得之前提到這個服務有兩個作用，這邊關注classification（分類）的功能
Classification Types：決定一張圖片能不能有多個標簽，以我們的例子一張圖片一個標簽，因此選2
Domains：如果圖片屬於某個領域可以選。有括弧compact表示比較輕量，適合匯出到ios/android的時候選
Create Project：沒問題之後就點下將會開始建立
chrome_2018-08-06_23-15-15.png
建立Project
在專案裡面開始上傳training的圖片
專案有了之後，就可以開始Train模型。

透過Add Image的按鈕，可以選擇要上傳的圖片，例如要設定可口可樂：

chrome_2018-08-06_23-29-17.png
選擇5張可口可樂圖片
再來要對這些圖片設定一個標簽，這邊輸入了coke，然後按下upload

chrome_2018-08-06_23-30-36.png
設定標簽
稍等一下，上傳成功的話按鈕會變成Done：

chrome_2018-08-06_23-31-53.png
上傳成功的截圖
按下Done之後，pop up就不見了，這個時候：

剛剛上傳的圖片會顯示出來
在左邊可以對這些圖片做篩選
透過按鈕Add images可以增加更多的圖片做training
chrome_2018-08-06_23-32-33.png
上傳完的截圖
重複把其他兩個飲料也處理了，接下來就可以準備做training了。

執行Train的動作
接下來就按右上角的Train按鈕即可：

chrome_2018-08-06_23-35-53.png
按下Train的按鈕
稍等一下，畫面會自動切換到Performance的部分，并且會看到關於這次train完的Precision和Recall：

chrome_2018-08-06_23-38-16.png
看Train的結果
Precision和Recall的意義在稍後篇幅會介紹，這個是Machine Learning做classifier常用的一種數字。
測試
接下來就是測試模型的實際運行會如何，透過按下右上角的Quick Test，這個時候會多出一個pop up，可以用圖片上傳，或者直接給圖片網址的方式給測試。 這邊用了一張人把雪碧拿在手上的相片做測試：

首先輸入圖片的網址
按下往右的箭頭執行測試
左邊會顯示這張圖片的樣子
右下角會出現分類的概率 - 可以看到辨識出了sprite
2018-08-06_23-41-57.png
測試圖片分類的準確度
結語
這篇介紹了Custom Vision這個服務的目的以及用途。并且給出了一個測試情景，透過照片告訴客人這個飲料的費用是多少。

依照這個情景，找了圖片，并且實際看看如何在Custom Vision裡面建立出模型并且做測試。

在這個過程，其實會發現操作起來和LUIS非常類似，因此有了LUIS的概念，上手應該沒什麽問題。

下一篇([28]整合Custom Vision到chatbot - 拍照就可以識別價錢)將整合到chatbot裡面，看看如何讓chatbot告訴使用者拍的飲料是多少錢。