Visión de Azure AI

Ve la disponibilidad por región.

Visión de Azure AI y otras ofertas de los Servicios de Azure AI garantizan una disponibilidad del 99,9 %. No se proporciona ningún acuerdo de nivel de servicio para el plan de tarifa gratis. Consulte los detalles del Acuerdo de Nivel de Servicio.

No. Microsoft elimina automáticamente las imágenes y vídeos después del procesamiento y no entrena en los datos para mejorar los modelos subyacentes. Los datos de vídeo no salen del entorno local y los datos de vídeo no se almacenan en el perímetro donde se ejecuta el contenedor. Obtenga más información sobre la privacidad y los términos de uso.

No, el análisis espacial detecta y localiza la presencia humana en secuencias de vídeo y genera un rectángulo delimitador alrededor de cada persona detectada. Los modelos de IA no detectan caras ni determinan la identidad ni los datos demográficos de los individuos.

Los modelos de IA de análisis espacial detectan y realizan un seguimiento de los movimientos en la fuente de vídeo en función de algoritmos que identifican la presencia de uno o más seres humanos mediante un rectángulo delimitador del cuerpo. Para cada persona y rectángulo de selección detectados en una zona del campo de visión de la cámara, los modelos de IA generan datos de evento, incluidas las coordenadas del rectángulo de selección del cuerpo de una persona, el tipo de evento (por ejemplo, entrada o salida de zona o cruce de línea direccional), identificadores seudónimos para realizar un seguimiento del rectángulo de selección y una puntuación de confianza de detección. Estos datos de evento se envían a tu propia instancia de Azure IoT Hub.

Sí. Como la personalización del modelo está diseñada para ajustarse a tu escenario, tienes que proporcionar los datos etiquetados para entrenar tu modelo.

La característica de personalización del modelo del servicio está optimizada para reconocer rápidamente las principales diferencias entre las imágenes, por lo que puedes empezar a crear prototipos del modelo con una pequeña cantidad de datos. Puedes empezar con tan solo una imagen por etiqueta. Si tienes más imágenes etiquetadas, puedes agregar más. Según la complejidad del problema y el grado de precisión requerido, puedes seguir añadiendo imágenes adicionales por etiqueta para mejorar tu modelo.

Es las dos cosas. Puedes usar el sitio para acceder a una interfaz gráfica para administrar conjuntos de datos, entrenamiento y evaluación de modelos para una experiencia sin código o, como alternativa, puedes usar las API de Computer Vision.

Puedes etiquetar las imágenes en Azure Machine learning Studio, que está integrado con Vision Studio para exportar fácilmente los datos etiquetados. También puedes etiquetar los datos en el formato de archivo COCO e importar el archivo COCO directamente en Vision Studio. Consulte la documentación para obtener más información.

La característica de personalización de modelos de Visión de Azure AI para visión es la próxima generación de Custom Vision, con una precisión mejorada y funcionalidades de aprendizaje de pocas capturas. Puede seguir usando Custom Vision o puede migrar los datos de entrenamiento para volver a entrenar el modelo con la personalización del modelo desde Visión de Azure AI. Consulte la documentación para obtener más información.

Después de usar Visión de Azure AI para extraer ideas y texto de imágenes y vídeo, puede usar text analytics para analizar el sentimiento, Translator para traducir el texto al idioma que desee o Immersive Reader para leer el texto en voz alta, haciéndolo más accesible. Entre los servicios y funcionalidades relacionados se incluyen Documento de inteligencia de Azure AI para extraer pares clave-valor y tablas de documentos, Video Indexer de Azure AI para extraer metadatos avanzados de archivos de audio y vídeo y Content Moderator para detectar texto o imágenes no deseados.