Spring over navigation

Computer Vision

Udtræk alsidige oplysninger fra billeder for at kategorisere og behandle visuelle data – og udfør 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, domænespecifikke modeller og beskrivelser på fire sprog til at identificere indhold og navngive dem med sindsro. Anvend indstillinger for indhold beregnet for voksne/pornografisk indhold for at gøre det nemmere at registrere indhold beregnet til voksne. Identificer afbildningstyper og farveskemaer i billeder.

Se, hvordan det foregår

Funktionsnavn: Værdi
Beskrivelse { "tags": [ "train", "platform", "station", "building", "indoor", "subway", "track", "walking", "waiting", "pulling", "board", "people", "man", "luggage", "standing", "holding", "large", "woman", "yellow", "suitcase" ], "captions": [ { "text": "people waiting at a train station", "confidence": 0.833099365 } ] }
Mærker [ { "name": "train", "confidence": 0.9975446 }, { "name": "platform", "confidence": 0.995543063 }, { "name": "station", "confidence": 0.9798007 }, { "name": "indoor", "confidence": 0.927719653 }, { "name": "subway", "confidence": 0.838939846 }, { "name": "pulling", "confidence": 0.431715637 } ]
Billedformat "Jpeg"
Billeddimensioner 462 x 600
Cliparttype 0
Stregtegningstype 0
Sort/hvid false
Indhold beregnet til voksne false
Score for voksne 0.0147124995
Vovet false
Score for vovet 0.0162802152
Kategorier [ { "name": "trans_trainstation", "score": 0.98828125 } ]
Ansigter []
Dominerende farvebaggrund
"Black"
Dominerende farveforgrund
"Black"
Farve
#484C83

Vil du gerne bygge det?

Læs tekst i billeder

Registrer tekst i et billede ved hjælp af optisk tegngenkendelse (OCR), og udtræk ordene ud som løbende tekst, der kan læses af en maskine. Analysér billeder for at registrere indlejret tekst, genere løbende tekst og søge. Spar tid ved at tage billeder af tekst i stedet for at skrive af.

Kom godt i gang med OCR-tjenesten, som er generelt tilgængelig, og se nedenfor, hvordan den nye prøveversion af OCR-programmet (via API-handlingen "Genkend tekst") giver endnu bedre resultater for tekstgenkendelse på engelsk.

Se, hvordan det foregår

  1. Prøveversion
  2. JSON

Sorry!

Have a

nice day !

Oops!

See you soon !

bye!

{
  "status": "Succeeded",
  "succeeded": true,
  "failed": false,
  "finished": true,
  "recognitionResult": {
    "lines": [
      {
        "boundingBox": [
          122,
          122,
          401,
          85,
          404,
          229,
          143,
          233
        ],
        "text": "Sorry!",
        "words": [
          {
            "boundingBox": [
              121,
              121,
              424,
              81,
              442,
              223,
              140,
              263
            ],
            "text": "Sorry!"
          }
        ]
      },
      {
        "boundingBox": [
          586,
          160,
          917,
          120,
          929,
          221,
          599,
          262
        ],
        "text": "Have a",
        "words": [
          {
            "boundingBox": [
              585,
              166,
              813,
              138,
              814,
              232,
              593,
              265
            ],
            "text": "Have"
          },
          {
            "boundingBox": [
              832,
              137,
              898,
              135,
              896,
              224,
              833,
              230
            ],
            "text": "a"
          }
        ]
      },
      {
        "boundingBox": [
          577,
          243,
          980,
          204,
          992,
          335,
          590,
          374
        ],
        "text": "nice day !",
        "words": [
          {
            "boundingBox": [
              575,
              265,
              757,
              237,
              765,
              342,
              583,
              353
            ],
            "text": "nice"
          },
          {
            "boundingBox": [
              774,
              234,
              934,
              211,
              941,
              339,
              782,
              341
            ],
            "text": "day"
          },
          {
            "boundingBox": [
              934,
              211,
              991,
              204,
              997,
              339,
              941,
              339
            ],
            "text": "!"
          }
        ]
      },
      {
        "boundingBox": [
          210,
          367,
          436,
          347,
          435,
          499,
          192,
          483
        ],
        "text": "Oops!",
        "words": [
          {
            "boundingBox": [
              192,
              368,
              452,
              345,
              466,
              495,
              205,
              519
            ],
            "text": "Oops!"
          }
        ]
      },
      {
        "boundingBox": [
          167,
          622,
          686,
          588,
          693,
          684,
          174,
          719
        ],
        "text": "See you soon !",
        "words": [
          {
            "boundingBox": [
              165,
              624,
              307,
              614,
              308,
              711,
              168,
              722
            ],
            "text": "See"
          },
          {
            "boundingBox": [
              300,
              614,
              442,
              606,
              441,
              702,
              302,
              712
            ],
            "text": "you"
          },
          {
            "boundingBox": [
              448,
              605,
              622,
              597,
              619,
              690,
              448,
              701
            ],
            "text": "soon"
          },
          {
            "boundingBox": [
              622,
              597,
              686,
              594,
              683,
              687,
              619,
              690
            ],
            "text": "!"
          }
        ]
      },
      {
        "boundingBox": [
          824,
          491,
          1010,
          482,
          1013,
          611,
          808,
          603
        ],
        "text": "bye!",
        "words": [
          {
            "boundingBox": [
              811,
              491,
              1034,
              480,
              1040,
              609,
              817,
              620
            ],
            "text": "bye!"
          }
        ]
      }
    ]
  }
}

Vil du gerne bygge det?

Læs håndskrevet tekst fra afbildninger

Find og udtræk håndskreven tekst fra noter, breve, historier, tavler, formularer og andre kilder. Få færre sedler, og bliv mere produktiv ved at tage billeder af håndskrevne noter i stedet for at afskrive dem, og gør det nemt at finde dine digitale noter med en søgefunktion. OCR til håndskrift kan bruges med forskellige overflader og baggrunde, f.eks. hvidt papir, gule Sticky notes og whiteboards.

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

Se, hvordan det foregår

  1. Prøveversion
  2. JSON

Our greatest glory is not

in 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": [
              47,
              206,
              161,
              205,
              157,
              274,
              43,
              275
            ],
            "text": "Our"
          },
          {
            "boundingBox": [
              179,
              205,
              350,
              204,
              346,
              273,
              175,
              274
            ],
            "text": "greatest"
          },
          {
            "boundingBox": [
              381,
              204,
              509,
              203,
              505,
              272,
              377,
              273
            ],
            "text": "glory"
          },
          {
            "boundingBox": [
              526,
              203,
              588,
              203,
              584,
              272,
              522,
              272
            ],
            "text": "is"
          },
          {
            "boundingBox": [
              588,
              203,
              680,
              202,
              676,
              271,
              584,
              272
            ],
            "text": "not"
          }
        ]
      },
      {
        "boundingBox": [
          540,
          289,
          900,
          302,
          897,
          374,
          538,
          360
        ],
        "text": "in never failing ,",
        "words": [
          {
            "boundingBox": [
              507,
              300,
              553,
              300,
              564,
              376,
              518,
              376
            ],
            "text": "in"
          },
          {
            "boundingBox": [
              579,
              300,
              693,
              300,
              704,
              376,
              590,
              376
            ],
            "text": "never"
          },
          {
            "boundingBox": [
              712,
              300,
              872,
              300,
              883,
              376,
              723,
              376
            ],
            "text": "failing"
          },
          {
            "boundingBox": [
              864,
              300,
              902,
              300,
              913,
              376,
              875,
              376
            ],
            "text": ","
          }
        ]
      },
      {
        "boundingBox": [
          139,
          416,
          572,
          433,
          570,
          491,
          136,
          474
        ],
        "text": "but in rising every",
        "words": [
          {
            "boundingBox": [
              125,
              417,
              213,
              418,
              200,
              491,
              112,
              490
            ],
            "text": "but"
          },
          {
            "boundingBox": [
              217,
              418,
              273,
              418,
              260,
              491,
              204,
              491
            ],
            "text": "in"
          },
          {
            "boundingBox": [
              297,
              418,
              433,
              419,
              420,
              492,
              284,
              491
            ],
            "text": "rising"
          },
          {
            "boundingBox": [
              461,
              419,
              589,
              420,
              576,
              492,
              448,
              492
            ],
            "text": "every"
          }
        ]
      },
      {
        "boundingBox": [
          622,
          413,
          967,
          410,
          968,
          470,
          623,
          472
        ],
        "text": "time we fall",
        "words": [
          {
            "boundingBox": [
              612,
              407,
              718,
              409,
              709,
              470,
              603,
              468
            ],
            "text": "time"
          },
          {
            "boundingBox": [
              753,
              409,
              825,
              410,
              815,
              471,
              743,
              470
            ],
            "text": "we"
          },
          {
            "boundingBox": [
              863,
              410,
              973,
              412,
              964,
              472,
              853,
              471
            ],
            "text": "fall"
          }
        ]
      }
    ]
  }
}

Vil du gerne bygge det?

Genkend berømtheder og landemærker

Genkender mere end 200.000 berømtheder inden for erhverv, politik, sport og underholdning samt 9.000 naturlige og menneskeskabte landemærker fra hele verden.

Se, hvordan det foregår

{
  "categories": [
    {
      "name": "people_",
      "score": 0.86328125,
      "detail": {
        "celebrities": [
          {
            "name": "Satya Nadella",
            "faceRectangle": {
              "left": 240,
              "top": 294,
              "width": 135,
              "height": 135
            },
            "confidence": 0.99999833106994629
          }
        ],
        "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": 0.9903275009959599
      }
    ]
  },
  "requestId": "50e3f488-c4a7-4378-a193-dbb585cf92e1",
  "metadata": {
    "width": 600,
    "height": 900,
    "format": "Jpeg"
  },
  "faces": [
    {
      "age": 49,
      "gender": "Male",
      "faceRectangle": {
        "left": 240,
        "top": 294,
        "width": 135,
        "height": 135
      }
    }
  ],
  "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 en pladsbesparende miniature i høj kvalitet baseret på ethvert billede, og tilpas billederne, 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

Vil du gerne bygge det?

Se mere om API'erne til Cognitive Services

Computer Vision

Udtræk oplysninger fra billeder, der kan handles ud fra

Ansigt

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

Video Indexer PRØVEVERSION

Få adgang til Video Insights

Content Moderator

Automatiseret redigering af billede, tekst og video

Custom Vision PRØVEVERSION

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

Tekstanalyse

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

Translator Text

Gennemfør let tekstoversættelse vha. et enkelt REST API-opkald

Bing Spell Check

Opdag og ret stavefejl i din app

Content Moderator

Automatiseret redigering af billede, tekst og video

Language Understanding

Lær dine apps at forstå brugernes kommandoer

Bing Speech

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

Speaker Recognition PRØVEVERSION

Brug stemmen til at identificere og kontrollere individuelle talere

Translator Speech

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

Custom Speech PRØVEVERSION

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

Speech Services PRØVEVERSION

Samlede taletjenester for tale-til-tekst, tekst-til-tale og taleoversættelse

QnA Maker

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

Er du klar til at optimere din app?