Computer Vision-API

Udtræk alsidige oplysninger fra billeder for at kategorisere og behandle visuelle data – og maskinel redigering af billeder som hjælp til at organisere dine tjenester.

Analysér et billede

Denne funktion returnerer oplysninger om visuelt indhold i et billede. Brug tagging, beskrivelser og domænespecifikke modeller til at identificere indhold og navngive dem med sindsro. Anvend indstillinger for indhold beregnet for voksne/pornografisk indhold for at aktivere automatisk begrænsning af indhold beregnet til voksne. Identificer afbildningstyper og farveskemaer i billeder.

Se, hvordan det foregår

Køn Male
Alder 36
Funktionsnavn: Værdi
Beskrivelse { "tags": [ "water", "swimming", "sport", "pool", "person", "man", "frisbee", "ocean", "blue", "bird", "riding", "top", "standing", "wave", "young", "body", "large", "game", "glass", "pond", "playing", "board", "catch", "clear", "boat", "white" ], "captions": [ { "text": "a man swimming in a pool of water", "confidence": 0.8909298 } ] }
Mærker [ { "name": "water", "confidence": 0.9997857 }, { "name": "swimming", "confidence": 0.955619633 }, { "name": "sport", "confidence": 0.953807831 }, { "name": "pool", "confidence": 0.9515978 }, { "name": "person", "confidence": 0.889862537 }, { "name": "water sport", "confidence": 0.664259 } ]
Billedformat "Jpeg"
Billeddimensioner 462 x 600
Cliparttype 0
Stregtegningstype 0
Sort/hvid false
Indhold beregnet til voksne false
Score for voksne 0.07518345
Vovet false
Score for vovet 0.1814024
Kategorier [ { "name": "people_swimming", "score": 0.98046875 } ]
Ansigter [ { "age": 36, "gender": "Male", "faceRectangle": { "top": 133, "left": 298, "width": 121, "height": 121 } } ]
Dominerende farvebaggrund
"White"
Dominerende farveforgrund
"Grey"
Farve
#19A4B2

Vil du gerne bygge det?

Læs tekst i billeder

Optisk tegngenkendelse kan registrer tekst i en afbildning og trækker ordene ud som løbende tekst, der kan læses af en maskine. Analysér billeder for at registrere indlejret tekst, genere løbende tekst og søge. Tag billeder af tekst i stedet for at kopiere, og spar tid og anstrengelser.

Se, hvordan det foregår

  1. Prøveversion
  2. JSON

IF WE DID

ALL

THE THINGS

WE ARE

CAPABLÉ•

OF DOING,

WE WOULD

LITERALLY

ASTOUND

QURSELV*S.

{
  "textAngle": 0.0,
  "orientation": "NotDetected",
  "language": "en",
  "regions": [
    {
      "boundingBox": "316,47,284,340",
      "lines": [
        {
          "boundingBox": "319,47,182,24",
          "words": [
            {
              "boundingBox": "319,47,42,24",
              "text": "IF"
            },
            {
              "boundingBox": "375,47,44,24",
              "text": "WE"
            },
            {
              "boundingBox": "435,47,66,23",
              "text": "DID"
            }
          ]
        },
        {
          "boundingBox": "316,74,204,69",
          "words": [
            {
              "boundingBox": "316,74,204,69",
              "text": "ALL"
            }
          ]
        },
        {
          "boundingBox": "318,147,207,24",
          "words": [
            {
              "boundingBox": "318,147,63,24",
              "text": "THE"
            },
            {
              "boundingBox": "397,147,128,24",
              "text": "THINGS"
            }
          ]
        },
        {
          "boundingBox": "316,176,125,23",
          "words": [
            {
              "boundingBox": "316,176,44,23",
              "text": "WE"
            },
            {
              "boundingBox": "375,176,66,23",
              "text": "ARE"
            }
          ]
        },
        {
          "boundingBox": "319,194,281,44",
          "words": [
            {
              "boundingBox": "319,194,281,44",
              "text": "CAPABLÉ•"
            }
          ]
        },
        {
          "boundingBox": "318,243,181,29",
          "words": [
            {
              "boundingBox": "318,243,43,23",
              "text": "OF"
            },
            {
              "boundingBox": "376,243,123,29",
              "text": "DOING,"
            }
          ]
        },
        {
          "boundingBox": "316,271,170,24",
          "words": [
            {
              "boundingBox": "316,272,44,23",
              "text": "WE"
            },
            {
              "boundingBox": "375,271,111,24",
              "text": "WOULD"
            }
          ]
        },
        {
          "boundingBox": "317,300,200,24",
          "words": [
            {
              "boundingBox": "317,300,200,24",
              "text": "LITERALLY"
            }
          ]
        },
        {
          "boundingBox": "316,328,157,24",
          "words": [
            {
              "boundingBox": "316,328,157,24",
              "text": "ASTOUND"
            }
          ]
        },
        {
          "boundingBox": "318,357,214,30",
          "words": [
            {
              "boundingBox": "318,357,214,30",
              "text": "QURSELV*S."
            }
          ]
        }
      ]
    }
  ]
}

Når du uploader data til denne demo, accepterer du, at Microsoft kan gemme dem og bruge dem til at forbedre Microsoft-tjenester, inklusive denne API. For at beskytte dine personlige oplysninger tager vi forholdsregler, så dine data ikke kan identificeres, og så de er sikret. Vi udgiver ikke dine data, og lader heller ikke andre bruger dem.

Vil du gerne bygge det?

Læs håndskrevet tekst fra afbildninger

Denne teknologi (optisk tegngenkendelse af håndskrift) giver dig mulighed for at registrere og udtrække håndskrevet tekst fra noter, breve, opgaver, whiteboards, formularer osv. Den kan bruges til forskellige overflader og baggrunde, f.eks. whitepaper, gule Sticky notes og whiteboards.

Genkendelse af håndskrevet tekst sparer tid og kræfter og kan få dig til at arbejde mere effektivt, fordi du kan foretage afbildninger af tekst i stedet for at skulle transskribere den. På den måde kan du digitalisere noter, så du efterfølgende nemt og hurtigt kan udføre søgninger. Det mindsker også rod med papir.

Bemærk! Denne teknologi findes i øjeblikket kun i prøveversion og er kun tilgængelig for engelsk tekst.

Hvis du vil prøve denne demo af optisk tegngenkendelse, skal du uploade en lokalt lagret afbildning eller angive en URL-adresse til afbildningen. Vi gemmer ikke de afbildninger, du opretter i forbindelse med denne demo, medmindre du giver os tilladelse til det.

Se, hvordan det foregår

  1. Prøveversion
  2. JSON

OUR greatest glory is not

i never failing ,

but in rising every

time we fall

{
  "status": "Succeeded",
  "succeeded": true,
  "failed": false,
  "finished": true,
  "recognitionResult": {
    "lines": [
      {
        "boundingBox": [
          67,
          204,
          668,
          210,
          667,
          272,
          66,
          267
        ],
        "text": "OUR greatest glory is not",
        "words": [
          {
            "boundingBox": [
              69,
              206,
              159,
              205,
              155,
              274,
              65,
              275
            ],
            "text": "OUR"
          },
          {
            "boundingBox": [
              192,
              205,
              350,
              204,
              346,
              273,
              188,
              274
            ],
            "text": "greatest"
          },
          {
            "boundingBox": [
              393,
              204,
              509,
              203,
              505,
              272,
              389,
              273
            ],
            "text": "glory"
          },
          {
            "boundingBox": [
              539,
              203,
              588,
              203,
              584,
              272,
              534,
              272
            ],
            "text": "is"
          },
          {
            "boundingBox": [
              601,
              202,
              680,
              202,
              676,
              271,
              597,
              271
            ],
            "text": "not"
          }
        ]
      },
      {
        "boundingBox": [
          540,
          289,
          900,
          302,
          897,
          374,
          538,
          360
        ],
        "text": "i never failing ,",
        "words": [
          {
            "boundingBox": [
              534,
              300,
              558,
              300,
              568,
              376,
              545,
              376
            ],
            "text": "i"
          },
          {
            "boundingBox": [
              589,
              300,
              694,
              300,
              705,
              376,
              600,
              376
            ],
            "text": "never"
          },
          {
            "boundingBox": [
              720,
              300,
              874,
              300,
              885,
              376,
              731,
              376
            ],
            "text": "failing"
          },
          {
            "boundingBox": [
              877,
              300,
              905,
              300,
              916,
              376,
              888,
              376
            ],
            "text": ","
          }
        ]
      },
      {
        "boundingBox": [
          139,
          416,
          572,
          433,
          570,
          491,
          136,
          474
        ],
        "text": "but in rising every",
        "words": [
          {
            "boundingBox": [
              145,
              418,
              215,
              418,
              202,
              491,
              132,
              491
            ],
            "text": "but"
          },
          {
            "boundingBox": [
              227,
              418,
              275,
              418,
              262,
              491,
              214,
              491
            ],
            "text": "in"
          },
          {
            "boundingBox": [
              308,
              418,
              428,
              419,
              415,
              492,
              295,
              491
            ],
            "text": "rising"
          },
          {
            "boundingBox": [
              476,
              419,
              581,
              419,
              568,
              492,
              463,
              492
            ],
            "text": "every"
          }
        ]
      },
      {
        "boundingBox": [
          622,
          413,
          967,
          410,
          968,
          470,
          623,
          472
        ],
        "text": "time we fall",
        "words": [
          {
            "boundingBox": [
              627,
              408,
              722,
              409,
              713,
              470,
              618,
              468
            ],
            "text": "time"
          },
          {
            "boundingBox": [
              765,
              409,
              828,
              410,
              818,
              471,
              756,
              470
            ],
            "text": "we"
          },
          {
            "boundingBox": [
              873,
              410,
              976,
              412,
              967,
              472,
              864,
              471
            ],
            "text": "fall"
          }
        ]
      }
    ]
  }
}

Vil du gerne bygge det?

Genkend berømtheder og landemærker

Berømtheds- og landemærkemodellerne er eksempler på domænespecifikke modeller. Vores model til genkendelse af berømtheder genkender 200.000 berømtheder indenfor erhverv, politik, sport og underholdning. Vores model til genkendelse af landemærker genkender 9000 naturlige og menneskeskabte landemærker over hele verden. Domænespecifikke modeller er en funktion inden for Computer Vision-API, der udvikler sig løbende.

Se, hvordan det foregår

{
  "categories": [
    {
      "name": "people_",
      "score": 0.86328125,
      "detail": {
        "celebrities": [
          {
            "name": "Satya Nadella",
            "faceRectangle": {
              "left": 239,
              "top": 293,
              "width": 138,
              "height": 138
            },
            "confidence": 0.9999974
          }
        ],
        "landmarks": null
      }
    }
  ],
  "adult": null,
  "tags": [
    {
      "name": "person",
      "confidence": 0.99956613779067993
    },
    {
      "name": "suit",
      "confidence": 0.98934584856033325
    },
    {
      "name": "man",
      "confidence": 0.98844343423843384
    },
    {
      "name": "outdoor",
      "confidence": 0.860062301158905
    }
  ],
  "description": {
    "tags": [
      "person",
      "suit",
      "man",
      "necktie",
      "outdoor",
      "building",
      "clothing",
      "standing",
      "wearing",
      "business",
      "looking",
      "holding",
      "black",
      "front",
      "hand",
      "dressed",
      "phone",
      "field"
    ],
    "captions": [
      {
        "text": "Satya Nadella wearing a suit and tie",
        "confidence": 0.99033389849736619
      }
    ]
  },
  "requestId": "73d5e661-30fb-4206-911b-296e2b94cb71",
  "metadata": {
    "width": 600,
    "height": 900,
    "format": "Jpeg"
  },
  "faces": [
    {
      "age": 49,
      "gender": "Male",
      "faceRectangle": {
        "left": 239,
        "top": 293,
        "width": 138,
        "height": 138
      }
    }
  ],
  "color": {
    "dominantColorForeground": "Black",
    "dominantColorBackground": "Black",
    "dominantColors": [
      "Black",
      "Grey"
    ],
    "accentColor": "7B5E50",
    "isBWImg": false
  },
  "imageType": {
    "clipArtType": 0,
    "lineDrawingType": 0
  }
}

Vil du gerne bygge det?

Analysér video næsten i realtid

Analysér video i realtid Brug en vilkårlig Computer Vision-API med dine videofiler ved at trække billeder ud af videoen fra din enhed og derefter sende disse billeder til API-kald efter dit eget valg. Få hurtigere resultater fra dine videoer.

Brug vores eksempel på GitHub til at komme i gang og bygge din egen app.

Få mere at vide

Se, hvordan det foregår

Vil du gerne bygge det?

Generér en miniature

Opret pladsbesparende miniaturer i høj kvalitet baseret på enhver inputafbildning. Brug oprettelse af miniaturer til at ændre afbildninger, så de passer til dine behov for størrelse, form og stil. Anvend beskæringsfunktionen til at generere miniaturer, der adskiller sig fra det billedformat, som din oprindelige afbildning har, og bevar interesseområdet.

Se, hvordan det foregår

Når du uploader data til denne demo, accepterer du, at Microsoft kan gemme dem og bruge dem til at forbedre Microsoft-tjenester, inklusive denne API. For at beskytte dine personlige oplysninger tager vi forholdsregler, så dine data ikke kan identificeres, og så de er sikret. Vi udgiver ikke dine data, og lader heller ikke andre bruger dem.

Vil du gerne bygge det?

Se mere om API'erne til Cognitive Services

Computer Vision-API

Udtræk oplysninger fra billeder, der kan handles ud fra

Face API

Registrer, identificer, analysér, organiser og tag ansigter i fotos

Content Moderator

Automatiseret redigering af billede, tekst og video

Humør-API PRØVEVERSION

Tilpas brugeroplevelser med genkendelse af følelser

Video-API PRØVEVERSION

Intelligent videobehandling

Custom Vision Service PRØVEVERSION

Du kan nemt tilpasse dine egne avancerede Computer Vision-modeller til den pågældende use case

Video Indexer PRØVEVERSION

Få adgang til Video Insights

Language Understanding Intelligent Service PRØVEVERSION

Lær dine apps at forstå brugernes kommandoer

Text Analytics-API

Evaluer nemt synspunkter og emner for at forstå, hvad brugerne vil have

Bing Spell Check API

Opdag og ret stavefejl i din app

Translator Text API

Gennemfør let tekstoversættelse vha. et enkelt REST API-opkald

Web Language Model-API PRØVEVERSION

Brug forudsigelige sprogmodeller, der er trænet med data i webskala

Linguistic Analysis API PRØVEVERSION

Gør komplekse sprogbegreber enkle, og opdel tekst ved hjælp af Linguistic Analysis API

Translator Speech API

Gennemfør let taleoversættelse i realtid vha. et enkelt REST API-opkald

Speaker Recognition API PRØVEVERSION

Brug stemmen til at identificere og godkende individuelle talere

Bing Speech API

Konvertér tale til tekst og tilbage igen for at forstå brugerens hensigt

Custom Speech Service PRØVEVERSION

Overvind begrænsninger for genkendelse af tale, såsom udtale, baggrundsstøj og ordforråd

Recommendations-API PRØVEVERSION

Forudsig og anbefal de varer, som kunderne gerne vil have

Academic Knowledge API PRØVEVERSION

Få adgang til de store mængder akademisk indhold i Akademisk graf fra Microsoft

Tjeneste til udforskning af viden PRØVEVERSION

Aktivér interaktive søgeoplevelser i strukturerede data via naturligt sproginput

QnA Maker API PRØVEVERSION

Udtræk oplysninger til samtaleagtige spørgsmål, som er nemme at navigere rundt i

Intelligence Service API til enhedssammenkædning PRØVEVERSION

Styrk din apps datalinks med navngiven enhedsgenkendelse og fjernelse af flertydige udtryk

Custom Decision Service PRØVEVERSION

En cloudbaseret, kontekstafhængig API, som træffer beslutninger, og som bliver mere effektiv med tiden

Projekt i Prag

Bevægelsesbaserede kontrolelementer

Projekt i Cuzco

Begivenhed i forbindelse med Wikipedia-indlæg

Projekt i Nanjing

Isokrone beregninger

Projekt i Abu Dhabi

Afstandsmatrix

Projekt i Johannesburg

Rutelogistik

Projekt i Wollongong

Location Insights

Er du klar til at optimere din app?