Computer Vision API

画像から豊富な情報を抽出して、視覚データを分類および処理します。また、機械による画像のモデレートで、お客様のサービスを集約してお伝えします。

画像の分析

この機能では、画像内にあるビジュアルコンテンツに関する情報が返されます。タグ付け、説明、ドメイン固有モデルを使用してコンテンツを特定し、確実にラベル付けします。成人向け/わいせつな描写に対する設定を適用すれば、アダルトコンテンツの自動制限を有効にできます。画像の種類や写真内の配色を特定します。

アクションからご覧ください

性別	Male
年齢	36

参照

特徴名:	値
説明	{ "Tags": [ "water", "swimming", "sport", "pool", "person", "man", "frisbee", "ocean", "blue", "bird", "riding", "top", "standing", "wave", "young", "body", "large", "game", "glass", "pond", "playing", "board", "catch", "clear", "boat", "white" ], "Captions": [ { "Text": "a man swimming in a pool of water", "Confidence": 0.8909298 } ] }
タグ	[ { "Name": "water", "Confidence": 0.9997857 }, { "Name": "swimming", "Confidence": 0.955619633 }, { "Name": "sport", "Confidence": 0.953807831 }, { "Name": "pool", "Confidence": 0.9515978 }, { "Name": "person", "Confidence": 0.889862537 }, { "Name": "water sport", "Confidence": 0.664259 } ]
画像形式	"Jpeg"
画像サイズ	462 x 600
クリップアートの種類	0
線画の種類	0
モノクロ	false
成人向けコンテンツ	false
成人スコア	0.07518345
わいせつ性	false
わいせつスコア	0.1814024
カテゴリ	[ { "Name": "people_swimming", "Score": 0.98046875 } ]
顔	[ { "Age": 36, "Gender": "Male", "FaceRectangle": { "Top": 133, "Left": 298, "Width": 121, "Height": 121 } } ]
背景のドミナントカラー	"White"
前景のドミナントカラー	"Grey"
アクセントカラー	#19A4B2

使ってみたいですか?

ドキュメント

画像内のテキストの読み取り

光学式文字認識 (OCR) により画像内のテキストを検出し、認識した語句をマシンに抽出して、判読可能な文字ストリームに変換します。画像を分析して埋め込みテキストを検出し、文字ストリームを生成し、検索を有効にします。テキストをコピーする代わりに写真を撮ることで、時間と労力を節約します。

アクションからご覧ください

参照

プレビュー
JSON

IF WE DID

ALL

THE THINGS

WE ARE

CAPABLÉ•

OF DOING,

WE WOULD

LITERALLY

ASTOUND

QURSELV*S.

{
  "TextAngle": 0.0,
  "Orientation": "NotDetected",
  "Language": "en",
  "Regions": [
    {
      "BoundingBox": "316,47,284,340",
      "Lines": [
        {
          "BoundingBox": "319,47,182,24",
          "Words": [
            {
              "BoundingBox": "319,47,42,24",
              "Text": "IF"
            },
            {
              "BoundingBox": "375,47,44,24",
              "Text": "WE"
            },
            {
              "BoundingBox": "435,47,66,23",
              "Text": "DID"
            }
          ]
        },
        {
          "BoundingBox": "316,74,204,69",
          "Words": [
            {
              "BoundingBox": "316,74,204,69",
              "Text": "ALL"
            }
          ]
        },
        {
          "BoundingBox": "318,147,207,24",
          "Words": [
            {
              "BoundingBox": "318,147,63,24",
              "Text": "THE"
            },
            {
              "BoundingBox": "397,147,128,24",
              "Text": "THINGS"
            }
          ]
        },
        {
          "BoundingBox": "316,176,125,23",
          "Words": [
            {
              "BoundingBox": "316,176,44,23",
              "Text": "WE"
            },
            {
              "BoundingBox": "375,176,66,23",
              "Text": "ARE"
            }
          ]
        },
        {
          "BoundingBox": "319,194,281,44",
          "Words": [
            {
              "BoundingBox": "319,194,281,44",
              "Text": "CAPABLÉ•"
            }
          ]
        },
        {
          "BoundingBox": "318,243,181,29",
          "Words": [
            {
              "BoundingBox": "318,243,43,23",
              "Text": "OF"
            },
            {
              "BoundingBox": "376,243,123,29",
              "Text": "DOING,"
            }
          ]
        },
        {
          "BoundingBox": "316,271,170,24",
          "Words": [
            {
              "BoundingBox": "316,272,44,23",
              "Text": "WE"
            },
            {
              "BoundingBox": "375,271,111,24",
              "Text": "WOULD"
            }
          ]
        },
        {
          "BoundingBox": "317,300,200,24",
          "Words": [
            {
              "BoundingBox": "317,300,200,24",
              "Text": "LITERALLY"
            }
          ]
        },
        {
          "BoundingBox": "316,328,157,24",
          "Words": [
            {
              "BoundingBox": "316,328,157,24",
              "Text": "ASTOUND"
            }
          ]
        },
        {
          "BoundingBox": "318,357,214,30",
          "Words": [
            {
              "BoundingBox": "318,357,214,30",
              "Text": "QURSELV*S."
            }
          ]
        }
      ]
    }
  ]
}

このデモにデータをアップロードすることにより、Microsoft がお客様のデータを保存し、本 API の改善などの Microsoft サービスの品質向上に役立てることに同意するものとします。お客様のプライバシーを保護するため、お客様のデータは匿名化され、セキュリティで保護されます。お客様のデータを第三者に開示または提供することはありません。

使ってみたいですか?

ドキュメント

プレビュー: 画像からの手書き文字の読み取り

このテクノロジ (手書き文字認識) では、メモ、手紙、レポート、ホワイトボード、用紙などから手書きの文字を検出し抽出することができます。白色の紙や黄色い付箋紙、ホワイトボードなど、さまざまな表面や下地に対応可能です。

手書き文字認識を使用すれば、テキストを書き写すのではなく撮影するだけでよくなるため、時間と手間が抑えられ、生産性を向上させることができます。メモをデジタル化することで、素早く簡単に検索できるようになります。また、書類が散乱する事態も防ぐことができます。

注: 本テクノロジは現在プレビュー段階であり、アルファベットにのみ対応しています。

下にあるデモ版の光学文字認識を試すには、ローカルに保存している画像をアップロードするか、画像の URL を入力してください。お客様からの許可がない限り、このデモで提供された画像は保存されません。