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 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。

アクションからご覧ください

参照

プレビュー
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": [
          202,
          618,
          2047,
          643,
          2046,
          840,
          200,
          813
        ],
        "text": "Our greatest glory is not",
        "words": [
          {
            "boundingBox": [
              204,
              627,
              481,
              628,
              481,
              830,
              204,
              829
            ],
            "text": "Our"
          },
          {
            "boundingBox": [
              585,
              628,
              1067,
              630,
              1066,
              832,
              585,
              831
            ],
            "text": "greatest"
          },
          {
            "boundingBox": [
              1190,
              630,
              1539,
              631,
              1539,
              833,
              1189,
              832
            ],
            "text": "glory"
          },
          {
            "boundingBox": [
              1643,
              631,
              1785,
              632,
              1784,
              834,
              1642,
              834
            ],
            "text": "is"
          },
          {
            "boundingBox": [
              1832,
              632,
              2068,
              632,
              2067,
              835,
              1831,
              834
            ],
            "text": "not"
          }
        ]
      },
      {
        "boundingBox": [
          1612,
          903,
          2744,
          935,
          2738,
          1139,
          1607,
          1107
        ],
        "text": "in never failing",
        "words": [
          {
            "boundingBox": [
              1611,
              934,
              1707,
              933,
              1708,
              1147,
              1613,
              1147
            ],
            "text": "in"
          },
          {
            "boundingBox": [
              1822,
              932,
              2132,
              930,
              2133,
              1144,
              1824,
              1146
            ],
            "text": "never"
          },
          {
            "boundingBox": [
              2217,
              930,
              2673,
              927,
              2674,
              1140,
              2218,
              1143
            ],
            "text": "failing"
          }
        ]
      },
      {
        "boundingBox": [
          426,
          1271,
          1748,
          1330,
          1738,
          1519,
          416,
          1462
        ],
        "text": "but in rising every",
        "words": [
          {
            "boundingBox": [
              424,
              1273,
              635,
              1273,
              635,
              1500,
              424,
              1500
            ],
            "text": "but"
          },
          {
            "boundingBox": [
              683,
              1273,
              811,
              1273,
              811,
              1500,
              683,
              1500
            ],
            "text": "in"
          },
          {
            "boundingBox": [
              924,
              1274,
              1284,
              1274,
              1284,
              1501,
              923,
              1501
            ],
            "text": "rising"
          },
          {
            "boundingBox": [
              1437,
              1275,
              1749,
              1275,
              1749,
              1502,
              1436,
              1502
            ],
            "text": "every"
          }
        ]
      },
      {
        "boundingBox": [
          1900,
          1261,
          2954,
          1254,
          2956,
          1437,
          1902,
          1443
        ],
        "text": "time we fall",
        "words": [
          {
            "boundingBox": [
              1911,
              1250,
              2197,
              1252,
              2176,
              1437,
              1890,
              1435
            ],
            "text": "time"
          },
          {
            "boundingBox": [
              2326,
              1253,
              2524,
              1255,
              2503,
              1440,
              2305,
              1438
            ],
            "text": "we"
          },
          {
            "boundingBox": [
              2670,
              1256,
              2979,
              1259,
              2958,
              1444,
              2649,
              1441
            ],
            "text": "fall"
          }
        ]
      }
    ]
  }
}

使ってみたいですか?

ドキュメント

著名人およびランドマークの認識

ドメイン固有モデルの例として、著名人モデルおよびランドマークモデルがあります。著名人認識モデルでは、ビジネス、政治、スポーツ、エンターテイメント分野での 200,000 人の著名人を認識できます。ランドマーク認識モデルでは、世界中の 9000 種類の自然物や人工物のランドマークを認識できます。ドメイン固有モデルは Computer Vision API で継続的に進化を遂げている機能です。

アクションからご覧ください

参照

{
  "categories": [
    {
      "name": "people_",
      "score": 0.86328125,
      "detail": {
        "celebrities": [
          {
            "name": "Satya Nadella",
            "faceRectangle": {
              "left": 239,
              "top": 293,
              "width": 138,
              "height": 138
            },
            "confidence": 0.9999974
          }
        ],
        "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": 0.99033389849736619
      }
    ]
  },
  "requestId": "dde4a4fc-b7dd-40d0-9c83-4375df39b849",
  "metadata": {
    "width": 600,
    "height": 900,
    "format": "Jpeg"
  },
  "faces": [
    {
      "age": 49,
      "gender": "Male",
      "faceRectangle": {
        "left": 239,
        "top": 293,
        "width": 138,
        "height": 138
      }
    }
  ],
  "color": {
    "dominantColorForeground": "Black",
    "dominantColorBackground": "Black",
    "dominantColors": [
      "Black",
      "Grey"
    ],
    "accentColor": "7B5E50",
    "isBWImg": false
  },
  "imageType": {
    "clipArtType": 0,
    "lineDrawingType": 0
  }
}