Passer la navigation

Vision par ordinateur

Extrayez des informations riches à partir d’images afin de catégoriser et traiter des données visuelles, et effectuez une modération des images assistée par ordinateur pour organiser vos services.

Analysez une image

Cette fonctionnalité retourne des informations sur le contenu visuel d’une image. Utilisez le marquage, les modèles propres au domaine et les descriptions en quatre langues pour identifier le contenu et l’étiqueter en toute confiance. Appliquez les paramètres relatifs au contenu osé/pour adulte afin de détecter le contenu pour adultes potentiel. Identifiez les types d’image et de jeu de couleurs dans les images.

Voir en action

Nom de la caractéristique : Valeur
Description { "tags": [ "train", "platform", "station", "building", "indoor", "subway", "track", "walking", "waiting", "pulling", "board", "people", "man", "luggage", "standing", "holding", "large", "woman", "yellow", "suitcase" ], "captions": [ { "text": "people waiting at a train station", "confidence": 0.833099365 } ] }
Mots clés [ { "name": "train", "confidence": 0.9975446 }, { "name": "platform", "confidence": 0.995543063 }, { "name": "station", "confidence": 0.9798007 }, { "name": "indoor", "confidence": 0.927719653 }, { "name": "subway", "confidence": 0.838939846 }, { "name": "pulling", "confidence": 0.431715637 } ]
Format de l’image "Jpeg"
Dimensions de l’image 462 x 600
Type de clipart 0
Type de dessin de ligne 0
Noir et blanc false
Contenu pour adultes false
Degré du contenu pour adultes 0.0147124995
Osé false
Degré du contenu osé 0.0162802152
Catégories [ { "name": "trans_trainstation", "score": 0.98828125 } ]
Visages []
Couleur d’arrière-plan dominante
"Black"
Couleur de premier plan dominante
"Black"
Couleur d’accentuation
#484C83

Voulez-vous le créer ?

Lisez le texte contenu dans des images

Détectez du texte dans une image à l’aide de la reconnaissance optique de caractères et extrayez les mots reconnus dans un flux de caractères exploitable automatiquement. Analysez les images pour détecter le texte incorporé, générer des flux de caractères et permettre la recherche. Évitez les efforts inutiles et gagnez du temps en prenant des photos d’un texte au lieu de le recopier.

Commencez par vous familiariser avec le service de reconnaissance optique des caractères en disponibilité générale et découvrez ci-dessous un avant-goût du nouveau moteur de reconnaissance optique des caractères en préversion (via l’opération d’API Recognize Text (Reconnaître le texte)), avec des résultats de reconnaissance de texte encore meilleurs pour l’anglais.

Voir en action

  1. Aperçu
  2. JSON

Sorry!

Have a

nice day !

Oops!

See you soon !

bye!

{
  "status": "Succeeded",
  "succeeded": true,
  "failed": false,
  "finished": true,
  "recognitionResult": {
    "lines": [
      {
        "boundingBox": [
          122,
          122,
          401,
          85,
          404,
          229,
          143,
          233
        ],
        "text": "Sorry!",
        "words": [
          {
            "boundingBox": [
              120,
              105,
              426,
              82,
              437,
              226,
              131,
              249
            ],
            "text": "Sorry!"
          }
        ]
      },
      {
        "boundingBox": [
          586,
          160,
          917,
          120,
          929,
          221,
          599,
          262
        ],
        "text": "Have a",
        "words": [
          {
            "boundingBox": [
              585,
              166,
              813,
              138,
              814,
              232,
              593,
              265
            ],
            "text": "Have"
          },
          {
            "boundingBox": [
              832,
              137,
              898,
              135,
              896,
              224,
              833,
              230
            ],
            "text": "a"
          }
        ]
      },
      {
        "boundingBox": [
          577,
          243,
          980,
          204,
          992,
          335,
          590,
          374
        ],
        "text": "nice day !",
        "words": [
          {
            "boundingBox": [
              575,
              265,
              757,
              237,
              765,
              342,
              583,
              353
            ],
            "text": "nice"
          },
          {
            "boundingBox": [
              774,
              234,
              934,
              211,
              941,
              339,
              782,
              341
            ],
            "text": "day"
          },
          {
            "boundingBox": [
              934,
              211,
              991,
              204,
              997,
              339,
              941,
              339
            ],
            "text": "!"
          }
        ]
      },
      {
        "boundingBox": [
          210,
          367,
          436,
          347,
          435,
          499,
          192,
          483
        ],
        "text": "Oops!",
        "words": [
          {
            "boundingBox": [
              200,
              349,
              463,
              346,
              465,
              498,
              201,
              501
            ],
            "text": "Oops!"
          }
        ]
      },
      {
        "boundingBox": [
          167,
          622,
          686,
          588,
          693,
          684,
          174,
          719
        ],
        "text": "See you soon !",
        "words": [
          {
            "boundingBox": [
              165,
              624,
              307,
              614,
              308,
              711,
              168,
              722
            ],
            "text": "See"
          },
          {
            "boundingBox": [
              300,
              614,
              442,
              606,
              441,
              702,
              302,
              712
            ],
            "text": "you"
          },
          {
            "boundingBox": [
              448,
              605,
              622,
              597,
              619,
              690,
              448,
              701
            ],
            "text": "soon"
          },
          {
            "boundingBox": [
              622,
              597,
              686,
              594,
              683,
              687,
              619,
              690
            ],
            "text": "!"
          }
        ]
      },
      {
        "boundingBox": [
          824,
          491,
          1010,
          482,
          1013,
          611,
          808,
          603
        ],
        "text": "bye!",
        "words": [
          {
            "boundingBox": [
              816,
              482,
              1039,
              481,
              1040,
              610,
              816,
              611
            ],
            "text": "bye!"
          }
        ]
      }
    ]
  }
}

Voulez-vous le créer ?

Préversion : Lisez du texte manuscrit contenu dans des images

Détectez et extrayez du texte écrit à la main de notes, de lettres, de dissertations, de tableaux blancs, de formulaires et d’autres sources. Réduisez l’encombrement papier et soyez plus productif en prenant des photos de notes manuscrites au lieu de les transcrire, et faites en sorte que les notes numériques soient faciles à trouver en implémentant la recherche. La reconnaissance optique de l’écriture manuscrite fonctionne avec différents surfaces et fonds, comme du papier blanc, des notes autocollantes jaunes et des tableaux blancs.

Remarque : cette technologie est actuellement en préversion et n’est disponible que pour du texte écrit en anglais.

Voir en action

  1. Aperçu
  2. JSON

Our greatest glory is not

in never failing ,

but in rising every

time we fall

{
  "status": "Succeeded",
  "succeeded": true,
  "failed": false,
  "finished": true,
  "recognitionResult": {
    "lines": [
      {
        "boundingBox": [
          67,
          204,
          668,
          210,
          667,
          272,
          66,
          267
        ],
        "text": "Our greatest glory is not",
        "words": [
          {
            "boundingBox": [
              45,
              205,
              160,
              204,
              155,
              273,
              41,
              274
            ],
            "text": "Our"
          },
          {
            "boundingBox": [
              177,
              204,
              349,
              203,
              345,
              272,
              173,
              273
            ],
            "text": "greatest"
          },
          {
            "boundingBox": [
              380,
              202,
              507,
              202,
              503,
              271,
              375,
              271
            ],
            "text": "glory"
          },
          {
            "boundingBox": [
              525,
              201,
              587,
              201,
              582,
              270,
              521,
              270
            ],
            "text": "is"
          },
          {
            "boundingBox": [
              587,
              201,
              679,
              200,
              675,
              269,
              582,
              270
            ],
            "text": "not"
          }
        ]
      },
      {
        "boundingBox": [
          540,
          289,
          900,
          302,
          897,
          374,
          538,
          360
        ],
        "text": "in never failing ,",
        "words": [
          {
            "boundingBox": [
              506,
              299,
              551,
              299,
              562,
              375,
              517,
              375
            ],
            "text": "in"
          },
          {
            "boundingBox": [
              578,
              299,
              692,
              299,
              703,
              375,
              589,
              375
            ],
            "text": "never"
          },
          {
            "boundingBox": [
              711,
              299,
              871,
              298,
              881,
              374,
              722,
              374
            ],
            "text": "failing"
          },
          {
            "boundingBox": [
              863,
              298,
              901,
              298,
              912,
              374,
              874,
              374
            ],
            "text": ","
          }
        ]
      },
      {
        "boundingBox": [
          139,
          416,
          572,
          433,
          570,
          491,
          136,
          474
        ],
        "text": "but in rising every",
        "words": [
          {
            "boundingBox": [
              124,
              416,
              212,
              417,
              198,
              490,
              110,
              489
            ],
            "text": "but"
          },
          {
            "boundingBox": [
              216,
              417,
              272,
              417,
              258,
              490,
              202,
              490
            ],
            "text": "in"
          },
          {
            "boundingBox": [
              296,
              417,
              432,
              418,
              418,
              491,
              282,
              490
            ],
            "text": "rising"
          },
          {
            "boundingBox": [
              460,
              418,
              588,
              419,
              574,
              491,
              446,
              491
            ],
            "text": "every"
          }
        ]
      },
      {
        "boundingBox": [
          622,
          413,
          967,
          410,
          968,
          470,
          623,
          472
        ],
        "text": "time we fall",
        "words": [
          {
            "boundingBox": [
              610,
              406,
              717,
              408,
              708,
              469,
              601,
              467
            ],
            "text": "time"
          },
          {
            "boundingBox": [
              751,
              408,
              823,
              409,
              814,
              470,
              742,
              469
            ],
            "text": "we"
          },
          {
            "boundingBox": [
              861,
              409,
              971,
              410,
              962,
              471,
              852,
              470
            ],
            "text": "fall"
          }
        ]
      }
    ]
  }
}

Voulez-vous le créer ?

Reconnaître les célébrités et les éléments géographiques

Reconnaissez plus de 200 000 célébrités du monde des affaires, de la politique, du sport et du divertissement, ainsi que 9 000 points d’intérêts naturels ou construits par l’homme dans le monde entier.

Voir en action

{
  "categories": [
    {
      "name": "people_",
      "score": 0.86328125,
      "detail": {
        "celebrities": [
          {
            "name": "Satya Nadella",
            "faceRectangle": {
              "left": 240,
              "top": 294,
              "width": 135,
              "height": 135
            },
            "confidence": 0.99999833106994629
          }
        ],
        "landmarks": null
      }
    }
  ],
  "adult": null,
  "tags": [
    {
      "name": "person",
      "confidence": 0.99956613779067993
    },
    {
      "name": "suit",
      "confidence": 0.98934584856033325
    },
    {
      "name": "man",
      "confidence": 0.98844343423843384
    },
    {
      "name": "outdoor",
      "confidence": 0.860062301158905
    }
  ],
  "description": {
    "tags": [
      "person",
      "suit",
      "man",
      "necktie",
      "outdoor",
      "building",
      "clothing",
      "standing",
      "wearing",
      "business",
      "looking",
      "holding",
      "black",
      "front",
      "hand",
      "dressed",
      "phone",
      "field"
    ],
    "captions": [
      {
        "text": "Satya Nadella wearing a suit and tie",
        "confidence": 0.9903275009959599
      }
    ]
  },
  "requestId": "9e8c191c-7970-4f90-916a-3880b1970292",
  "metadata": {
    "width": 600,
    "height": 900,
    "format": "Jpeg"
  },
  "faces": [
    {
      "age": 49,
      "gender": "Male",
      "faceRectangle": {
        "left": 240,
        "top": 294,
        "width": 135,
        "height": 135
      }
    }
  ],
  "color": {
    "dominantColorForeground": "Black",
    "dominantColorBackground": "Black",
    "dominantColors": [
      "Black",
      "Grey"
    ],
    "accentColor": "7B5E50",
    "isBWImg": false
  },
  "imageType": {
    "clipArtType": 0,
    "lineDrawingType": 0
  }
}

Voulez-vous le créer ?

Analysez des vidéos en temps presque réel

Analysez une vidéo en quasi temps réel. Pour utiliser l’une des API Vision par ordinateur avec vos fichiers vidéo, extrayez des trames de la vidéo à partir de votre appareil, puis envoyez-les aux appels d’API de votre choix. Recevez plus rapidement les résultats de vos vidéos.

Utilisez notre exemple sur GitHub pour vous mettre en route et créer votre propre application.

En savoir plus

Voir en action

Voulez-vous le créer ?

Générez une miniature

Générez une miniature de haute qualité mais peu volumineuse basée sur une image, puis modifiez les images pour les adapter à vos besoins en termes de taille, de forme et de style. Appliquez un rognage intelligent pour générer des miniatures dont les proportions sont différentes de l’image d’origine tout en conservant la zone qui vous intéresse.

Voir en action

Voulez-vous le créer ?

Explorer les API Cognitive Services

Vision par ordinateur

Dévoilez des informations pertinentes à partir d’images

Visage

Détectez, analysez, organisez et identifiez les visages dans vos photos

Video Indexer

Tirez des insights de vos vidéos

Content Moderator

Modération automatisée des images, textes et vidéos

Vision personnalisée VERSION PRÉLIMINAIRE

Personnalisez facilement vos modèles de vision par ordinateur pour les adapter à votre cas d’utilisation

Analyse de texte

Évaluez facilement les sentiments et les thèmes pour comprendre ce que les clients recherchent

Traduction de texte Translator Text

Effectuez facilement une traduction automatique avec un simple appel d’API REST

Vérification orthographique Bing

Détectez et corrigez les fautes d’orthographe dans votre application

Content Moderator

Modération automatisée des images, textes et vidéos

Language Understanding

Formez vos applications pour qu’elles comprennent les commandes de vos utilisateurs

Reconnaissance de l’orateur VERSION PRÉLIMINAIRE

Identifier et vérifier les orateurs en fonction de leur voix

Services Speech

Services vocaux unifiés pour la reconnaissance vocale, la synthèse vocale et la traduction vocale