Azure KI Vision

Informieren Sie sich über die Verfügbarkeit nach Region.

Azure KI Vision und andere Azure KI Services-Angebote bieten eine Verfügbarkeit von 99,9 %. Für den Free-Tarif wird keine SLA bereitgestellt. Siehe SLA-Details.

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.

Beides trifft zu. Sie können die Website verwenden, um auf eine grafische Benutzeroberfläche für die Verwaltung von Datasets, das Training und die Auswertung von Modellen ohne Code zuzugreifen. Alternativ können Sie auch die maschinelles Sehen-APIs verwenden.

Sie können die Bilder in Azure Machine Learning Studio bezeichnen, das in Vision Studio integriert ist, um beschriftete Daten einfach exportieren zu können. Sie können die Daten auch im COCO-Dateiformat bezeichnen und die COCO-Datei direkt in Vision Studio importieren. Ausführliche Informationen zu diesem Thema finden Sie in der Dokumentation.

Das Modellanpassungsfeature für Azure KI Vision ist die nächste Generation von Custom Vision, mit verbesserter Genauigkeit und wenigen Lernfunktionen. Sie können weiterhin Custom Vision verwenden, oder Sie können Ihre Trainingsdaten migrieren, um Ihr Modell mit der Modellanpassung von Azure KI Vision erneut zu trainieren. Ausführliche Informationen zu diesem Thema finden Sie in der Dokumentation.

Nachdem Sie Azure KI Vision zum Extrahieren von Erkenntnissen und Text aus Bildern und Videos verwendet haben, können Sie Textanalyse verwenden, um Stimmungen zu analysieren, Translator, um Text in Ihre gewünschte Sprache zu übersetzen, oder Plastischer Reader, um den Text laut vorlesen zu lassen, und somit die Barrierefreiheit verbessern. Zu den zugehörigen Diensten und Funktionen gehören Azure KI Dokument Intelligenz zum Extrahieren von Schlüssel-Wert-Paaren und Tabellen aus Dokumenten, Azure KI Video Indexer zum Extrahieren erweiterter Metadaten aus Audio- und Videodateien sowie Content Moderator zum Erkennen unerwünschter Texte oder Bilder.