Azure Vision a Foundry Tools-ban

Az Azure Képfelismerés az Azure AI Foundry Tools (korábbi nevén Azure AI Services) hatékony eszköze. Az Azure Képfelismerés előre elkészített API-készletet kínál, amely lehetővé teszi az alkalmazások és ügynökök számára a világ vizuális értelmezését. A Képfelismerés olyan képességeket nyújt, mint a képelemzés, az objektumészlelés, a térbeli megértés és az optikai karakterfelismerés (OCR). Ezek az eszközök lehetővé teszik a fejlesztők számára, hogy olyan intelligens megoldásokat készítsenek, amelyek valós időben "láthatják" és megérthetik a vizuális tartalmakat.

Az Azure AI Foundry platform részeként az Azure Képfelismerés integrálható az egyesített Foundry platformon belül az ügynöki AI-élmény támogatásához. 

Az Azure Képfelismerés (korábban Azure AI Képfelismerés) úgy lett kialakítva, hogy gyorsítsa az intelligens ügynökök és alkalmazások fejlesztését anélkül, hogy ehhez mély gépi tanulási szakértelemre lenne szükség.

Igen, az Azure Képfelismerés (korábban Azure AI Képfelismerés) mostantól az Azure AI Foundry Tools csomag része. Ez a márkanévváltás az Azure AI Foundry keretében végrehajtott, szélesebb körű platformegységesítés része, amelynek célja, hogy tükrözze azt a tendenciát, hogy a fejlesztők egyre inkább moduláris eszközként használják ezeket a szolgáltatásokat intelligens, ügynöki alkalmazások létrehozásához.

Az Azure Képfelismerés a Foundry Tools alkalmazásban továbbra is ugyanazokat a hatékony funkciókat kínálja – például képelemzést, objektumfelismerést, OCR-t és térbeli megértést –, de most egy koherens eszközkészlet részeként, amely támogatja az ügynöki munkafolyamatokat és a multimodális AI-forgatókönyveket. Az új márkanév segít tisztázni, hogy a Képfelismerés hogyan illeszkedik a Foundry ökoszisztémájába, megkönnyítve annak felderítését, összehangolását és más ügynökökkel és eszközökkel való integrálását.

A változás lényege, hogy a fejlesztők egységes felületet kapnak az AI-ügynökök létrehozásához, amelyek látnak, értenek és cselekszenek.

Nem. A Microsoft a feldolgozás után automatikusan törli a képeket és a videókat, és az adatokat nem használja fel betanításra az alapul szolgáló modellek fejlesztéséhez. A videóadatok nem jutnak ki a helyszínről, és nincsenek videóadatok tárolva azon a peremhálózaton, ahol a tároló fut. További információ az adatvédelemről és a használati feltételekről.

Nem. A térbeli elemzés az egyes észlelt személyek köré határolókeretet rajzolva észleli a videófelvételeken és -kimenetekben az emberi jelenlétet és annak helyét. Az AI-modellek nem észlelnek arcokat, és nem állapítják meg az egyes személyek kilétét vagy demográfiai adatait.

A térbeli elemzési AI-modellek olyan algoritmusok alapján észlelik és követik nyomon a mozgásokat a videócsatornán, amelyek test-határolókeretek alapján azonosítják az embereket. Az AI-modellek a kamera látóterének egy zónájában észlelt összes személyhez és határolókerethez eseményadatokat szolgáltatnak, köztük a következőket: egy személy testét határoló keret koordinátái, az esemény típusa (például belépés a zónába, annak elhagyása, vagy a terelővonal átlépése), a határolókeret követésére szolgáló azonosító és az észlelés megbízhatósági pontszáma. Ezeket az adatokat a rendszer az Ön saját Azure IoT Hub-példányához továbbítja.

Igen. Mivel a modell testreszabását úgy tervezték, hogy a saját forgatókönyveihez legyen finomhangolva, ezért a modell betanításához biztosítania kell a címkézett adatokat.

A szolgáltatás modell-testreszabási funkciója a képek közti nagyobb különbségek gyors felismerésére lett optimalizálva, ezért kis adatmennyiséggel is elkezdheti a modell prototípuskészítését. Címkénként akár csak egy képpel is kezdhet. Ha több címkézett képpel rendelkezik, továbbiakat is hozzáadhat. A probléma összetettségétől és a szükséges pontossági szinttől függően címkénként további képek hozzáadásával javíthatja a modellt.

Az Azure Képfelismerés modell-testreszabási funkciója az Egyéni képfelismerés következő generációja, javított pontossággal és kevés példával történő tanulási képességekkel. Javasoljuk, hogy migrálja a betanítási adatokat a modell újratanításához a modell testre szabásához az Azure Képfelismerésben.