Azure Vision dans Foundry Tools

Azure Vision est un outil puissant au sein d’Azure AI Foundry Tools (anciennement Azure AI Services). Azure Vision fournit un ensemble d’API préconstruites qui permettent aux applications et agents d’interpréter visuellement le monde. Vision offre des fonctionnalités telles que l’analyse d’image, la détection d’objets, la compréhension spatiale et la reconnaissance optique de caractères (OCR). Ces outils permettent aux développeurs de créer des solutions intelligentes capables de "voir" et de comprendre le contenu visuel en temps réel.

Dans le cadre de la plateforme Azure AI Foundry, Azure Vision s’intègre à la plateforme unifiée Foundry pour soutenir les expériences d’IA agentique. 

Azure Vision (anciennement Azure AI Vision) est conçu pour accélérer le développement d’agents et d’applications intelligents sans nécessiter une expertise approfondie en apprentissage automatique.

Oui, Azure Vision (anciennement Azure AI Vision) fait désormais partie de la suite Azure AI Foundry Tools. Ce changement de nom s’inscrit dans le cadre d’une unification plus large de la plateforme sous Azure AI Foundry, et est destiné à refléter la manière dont les développeurs utilisent de plus en plus ces services comme des outils modulaires pour créer des applications intelligentes et autonomes.

Azure Vision dans Foundry Tools continue d’offrir les mêmes capacités puissantes, comme l’analyse d’images, la détection d’objets, la reconnaissance optique de caractères (OCR) et la compréhension spatiale, mais est désormais intégré dans une boîte à outils cohérente qui prend en charge les flux de travail des agents et les scénarios d’IA multimodale. Le changement de nom aide à clarifier la place de Vision dans l’écosystème Foundry, facilitant sa découverte, son orchestration et son intégration avec d’autres agents et outils.

Cette évolution vise à donner aux développeurs une expérience unifiée pour créer des agents d’IA qui voient, comprennent et agissent.

Non. Microsoft supprime automatiquement vos images et vidéos après le traitement et ne s’entraîne pas sur vos données pour améliorer les modèles sous-jacents. Les données vidéo ne quittent pas votre environnement local et les données vidéo ne sont pas stockées sur la périphérie où le conteneur s’exécute. En savoir plus sur la confidentialité et les conditions d’utilisation.

Non, l’analyse spatiale détecte et localise la présence humaine dans les séquences vidéo et génère un cadre englobant autour de chaque personne détectée. Les modèles IA ne détectent pas les visages ni ne déterminent les identités des individus ni les données démographiques.

Les modèles d’intelligence artificielle de l’analyse spatiale détectent et suivent les mouvements dans le flux vidéo en fonction d’algorithmes qui identifient la présence d’un ou de plusieurs êtres humains par un cadre englobant le corps. Pour chaque personne et chaque cadre englobant détectés dans une zone dans le champ de la caméra, l’IA modélise les données d’événement, notamment les coordonnées du cadre englobant du corps d’une personne, le type d’événement (par exemple, l’entrée ou la sortie de zone ou le passage à une ligne directionnelle), les identificateurs pseudonymes pour suivre le cadre englobant et un score de confiance de détection. Ces données d’événement sont envoyées à votre propre instance d’Azure IoT Hub.

Oui. Étant donné que la personnalisation du modèle est conçue pour être affinée pour votre scénario, vous devez fournir les données étiquetées pour entraîner votre modèle.

La fonctionnalité de personnalisation du modèle du service est optimisée pour reconnaître rapidement les principales différences entre les images. Vous pouvez donc commencer à créer un prototypage de votre modèle avec une petite quantité de données. Vous pouvez commencer par une seule image par étiquette. Si vous avez d’autres images étiquetées, vous pouvez en ajouter d’autres. En fonction de la complexité du problème et du degré de précision requis, vous pouvez continuer à ajouter des images supplémentaires par étiquette pour améliorer votre modèle.

La fonctionnalité de personnalisation de modèle pour Azure Vision est la nouvelle génération de Custom Vision, avec une précision améliorée et des capacités d’apprentissage par peu d’exemples. Il est recommandé de migrer vos données d’entraînement pour réentraîner votre modèle avec la personnalisation de modèle dans Azure Vision.