Azure Vision i Foundry-værktøjer

Azure Vision er et effektivt værktøj i Azure AI Foundry Tools (tidligere Azure AI Services). Azure Vision indeholder et sæt færdigbyggede API'er, der gør det muligt for programmer og agenter visuelt at fortolke verden. Vision indeholder funktioner som billedanalyse, objektregistrering, spatial forståelse og optisk tegngenkendelse (OCR). Disse værktøjer giver udviklere mulighed for at bygge intelligente løsninger, der kan "se" og forstå visuelt indhold i realtid.

Som en del af Azure AI Foundry-platformen integreres Azure Vision i den samlede Foundry-platform for at understøtte agentiske AI-oplevelser. 

Azure Vision (tidligere Azure AI Vision) er udviklet til at sætte skub i udviklingen af intelligente agenter og programmer uden at kræve dyb ekspertise inden for maskinel indlæring.

Ja, Azure Vision (tidligere Azure AI Vision) er nu en del af Azure AI Foundry Tools-pakken. Denne rebranding er en del af en bredere platform, der er samlet under Azure AI Foundry, og som er udviklet til at afspejle, hvordan udviklere i stigende grad bruger disse tjenester som modulære værktøjer til at bygge intelligente, agentiske programmer.

Azure Vision i Foundry Tools tilbyder fortsat de samme effektive funktioner – som billedanalyse, objektregistrering, OCR og spatial forståelse – men er nu placeret i en sammenhængende værktøjspakke, der understøtter agentarbejdsprocesser og multimodale AI-scenarier. Rebranding hjælper med at tydeliggøre, hvordan Vision passer ind i Foundry-økosystemet, hvilket gør det nemmere at opdage, organisere og integrere med andre agenter og værktøjer.

Dette skift handler om at give udviklere en samlet oplevelse i forbindelse med oprettelse af AI-agenter, der kan se, forstå og handle.

Nej. Microsoft sletter automatisk dine billeder og videoer efter behandling og træner ikke på baggrund af dine data for at forbedre de underliggende modeller. Videodata forlader ikke dit lokale miljø, og videodata gemmes ikke på kanten, hvor objektbeholderen kører. Få mere at vide om beskyttelse af personlige oplysninger og vores vilkår og betingelser for anvendelse.

Nej, spatial analyse registrerer og finder menneskelig tilstedeværelse i videooptagelser og udsender en afgrænsningskant omkring hver person, der registreres. Modellerne til kunstig intelligens registrerer ikke ansigter og bestemmer ikke enkeltpersoners identiteter eller demografi.

Modellerne til kunstig intelligens til spatial analyse registrerer og sporer bevægelser i videofeedet på baggrund af algoritmer, der identificerer tilstedeværelsen af et eller flere mennesker ved hjælp af en afgrænsningskant for menneskekroppe. For hver person og afgrænsningskant, der er registreret i en zone i kameraets synsfelt, viser modellerne til kunstig intelligens hændelsesdata, herunder: afgrænsningskantens koordinater for personens krop, hændelsestype (f.eks. zoneindgang eller -udgang, krydsning af områdelinjer), pseudonymt id til sporing af afgrænsningskant og tillidsscoren for registreringen. Disse hændelsesdata sendes til din egen forekomst af Azure IoT Hub.

Ja. Da modeltilpasning er designet til at være finjusteret til dit scenarie, skal du angive de mærkede data for at oplære din model.

Funktionen til modeltilpasning i tjenesten er optimeret til hurtigt at genkende større forskelle mellem billeder, så du kan begynde at oprette prototyper af din model med en lille mængde data. Du kan starte med så lidt som ét billede pr. mærkat. Hvis du har flere billeder med mærkater, kan du tilføje flere. Afhængigt af kompleksiteten af problemet og den påkrævede grad af nøjagtighed kan du fortsætte med at tilføje yderligere billeder pr. mærkat for at forbedre din model.

Funktionen til tilpasning af modellen til Azure Vision er den næste generation af Custom Visionmed forbedret nøjagtighed og få muligheder for læring. Det anbefales, at du overfører dine oplæringsdata for at genoplære din model med modeltilpasning i Azure Vision.