Azure Vision in Foundry Tools

Azure Vision ist ein leistungsstarkes Tool innerhalb von Azure AI Foundry Tools (ehemals Azure KI-Dienste). Azure Vision bietet eine Reihe vorgefertigter APIs, die Anwendungen und Agenten ermöglichen, die Welt visuell zu interpretieren. Vision bietet Funktionen wie Bildanalyse, Objekterkennung, räumliches Verständnis und optische Zeichenerkennung (OCR). Diese Tools ermöglichen Entwicklern, intelligente Lösungen zu erstellen, die visuelle Inhalte in Echtzeit "sehen" und verstehen können.

Als Teil der Azure AI Foundry-Plattform integriert sich Azure Vision in die einheitliche Foundry-Plattform, um agentische KI-Erfahrungen zu unterstützen. 

Azure Vision (ehemals Azure KI Vision) wurde entwickelt, um die Entwicklung intelligenter Agenten und Anwendungen zu beschleunigen, ohne tiefgehende Kenntnisse im maschinellen Lernen zu erfordern.

Ja, Azure KI Vision (früher Azure AI Vision) ist jetzt Teil der Azure AI Foundry Tools Suite. Dieses Rebranding ist Teil einer umfassenderen Plattformvereinheitlichung unter Azure AI Foundry, die widerspiegelt, wie Entwickler diese Dienste zunehmend als modulare Werkzeuge nutzen, um intelligente, agentenbasierte Anwendungen zu erstellen.

Azure Vision in Foundry Tools bietet weiterhin die gleichen leistungsstarken Funktionen – wie Bildanalyse, Objekterkennung, OCR und räumliches Verständnis – ist jetzt jedoch in einem einheitlichen Toolkit integriert, das Agenten-Workflows und multimodale KI-Szenarien unterstützt. Das Rebranding verdeutlicht, wie Vision in das Foundry-Ökosystem passt, und erleichtert das Auffinden, Orchestrieren und Integrieren mit anderen Agenten und Werkzeugen.

Diese Veränderung zielt darauf ab, Entwickler mit einer einheitlichen Erfahrung zu befähigen, KI-Agenten zu erstellen, die sehen, verstehen und handeln.

Nein, Microsoft löscht Ihre Bilder und Videos nach der Verarbeitung automatisch. Ihre Daten werden nicht zum Trainieren der zugrunde liegenden Modelle verwendet. Die Videodaten verlassen Ihre lokalen Ressourcen nicht und werden nicht im Edge gespeichert, in dem der Container ausgeführt wird. Erfahren Sie mehr über den Datenschutz und die Nutzungsbedingungen.

Nein, die räumliche Analyse erkennt und ortet Menschen in Videoaufnahmen und -ausgaben mithilfe eines Begrenzungsrahmens um jede erkannte Person. Die KI-Modelle erkennen keine Gesichter und bestimmen auch nicht die Identität oder demografische Angaben zu einzelnen Personen.

Die KI-Modelle der räumlichen Analyse erkennen und verfolgen Bewegungen im Videofeed auf Grundlage von Algorithmen, die Menschen anhand eines Begrenzungsrahmens für den Körper erkennen. Für jede Person und jeden Begrenzungsrahmen in einem Bereich der Kameraaufnahme geben die KI-Modelle Ereignisdaten aus, einschließlich der Begrenzungsrahmenkoordinaten für den Körper einer Person, des Ereignistyps (z. B. Betreten oder Verlassen des Bereichs, Überschreitung einer direktionalen Linie), der pseudonymen Bezeichner zur Nachverfolgung des Begrenzungsrahmens und einer Zuverlässigkeitsbewertung für die Erkennung. Diese Ereignisdaten werden an Ihre eigene Instanz von Azure IoT Hub gesendet.

Ja Da die Modellanpassung für Ihr Szenario optimiert ist, müssen Sie die bezeichneten Daten bereitstellen, um Ihr Modell zu trainieren.

Die Modellanpassungsfunktion des Diensts ist für die schnelle Erkennung wesentlicher Unterschiede zwischen Bildern optimiert, sodass Sie schon mit einer kleinen Datenmenge mit der Prototyperstellung für Ihr Modell beginnen können. Sie können mit nur einem Bild pro Bezeichnung beginnen. Wenn Sie mehr beschriftete Bilder haben, können Sie weitere hinzufügen. Abhängig von der Komplexität des Problems und dem erforderlichen Genauigkeitsgrad können Sie weiterhin zusätzliche Bilder pro Bezeichnung hinzufügen, um Ihr Modell zu verbessern.

Die Modellanpassungsfunktion für Azure Vision ist die nächste Generation von Custom Vision mit verbesserter Genauigkeit und Few-Shot-Lernfähigkeiten. Es wird empfohlen, Ihre Trainingsdaten zu migrieren, um Ihr Modell mit der Modellanpassung in Azure Vision neu zu trainieren.