Azure IA Vision

Voir la disponibilité par région.

Azure AI Vision et les autres offres Azure AI Services garantissent une disponibilité de 99,9 %. Aucun SLA n'est fourni pour le niveau de tarification Gratuit. Voir les détails du SLA.

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 laconfidentialité 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.

Les deux. Vous pouvez utiliser le site pour accéder à une interface graphique permettant de gérer les jeux de données, l’entraînement et l’évaluation des modèles pour une expérience sans code, ou, en guise d’alternative, vous pouvez utiliser les API Vision par ordinateur.

Vous pouvez étiqueter les images dans Azure Machine Learning Studio, qui est intégré à Vision Studio pour faciliter l’exportation des données étiquetées. Vous pouvez également étiqueter les données au format de fichier COCO et importer le fichier COCO directement dans Vision Studio. Voir la documentation pour plus de détails.

La fonctionnalité de personnalisation de modèle pour Azure AI Vision est la nouvelle génération de Custom Vision, avec une précision améliorée et des capacités d'apprentissage en quelques prises de vue. Vous pouvez continuer à utiliser Custom Vision ou vous pouvez migrer vos données de formation pour réentraîner votre modèle avec la personnalisation du modèle à partir d'Azure AI Vision. Voir la documentation pour plus de détails.

Après avoir utilisé Azure AI Vision pour extraire des informations et du texte à partir d'images et de vidéos, vous pouvez utiliser l'analyse de texte pour analyser les sentiments, le Traducteur pour traduire le texte dans la langue de votre choix ou le lecteur immersif pour lire le texte à haute voix, le rendant plus accessible. Les services et fonctionnalités associés incluent Azure AI Intelligence documentaire pour extraire des paires clé-valeur et des tables à partir de documents, Azure AI Video Indexer pour extraire des métadonnées avancées à partir de fichiers audio et vidéo, et Content Moderator pour détecter le texte ou les images indésirables.