Computer Vision

이미지와 비디오에서 풍부한 정보 추출

Azure Cognitive Services에 포함된 Computer Vision을 사용하여 앱에 클라우드 비전 기능을 포함함으로써 콘텐츠 검색 기능을 향상하고 텍스트 추출을 자동화할 뿐 아니라 비디오를 실시간으로 분석하고 더 많은 사람이 사용할 수 있는 제품을 만듭니다. 또한 시각적 데이터 처리를 사용하여 개체 및 개념으로 콘텐츠에 레이블을 지정하고 텍스트를 추출하며 이미지 설명을 생성할 뿐 아니라 콘텐츠를 조정하고 물리적 공간에서 사람들의 움직임을 파악합니다. 또한, 별도의 기계 학습 전문 지식이 필요하지 않습니다.

텍스트 추출(OCR)

여러 언어와 글쓰기 스타일이 혼합된 이미지와 문서에서 인쇄된 텍스트와 필기 텍스트를 추출합니다.

이미지 이해

10,000개가 넘는 개념과 개체로 구성된 풍부한 온톨로지에서 가져와 시각적 자산으로부터 가치를 창출합니다.

공간 분석

점유 수, 사회적 거리두기, 얼굴 마스크 감지를 위해 사람들이 공간에서 실시간으로 이동하는 방식을 분석합니다.

유연한 배포

클라우드 또는 에지에서 컨테이너로 Custom Vision을 실행하세요.

혁신적인 컴퓨터 비전 기술을 간편하게 적용

간단한 API 호출을 사용하여 사용자 앱에 첨단 비디오 및 사진 인식 기술을 추가합니다.

실제 작동되는 방식을 확인해보세요.

person
person
subway train
기능 이름:
개체 [ { "rectangle": { "x": 93, "y": 178, "w": 115, "h": 237 }, "object": "person", "confidence": 0.764 }, { "rectangle": { "x": 0, "y": 229, "w": 101, "h": 206 }, "object": "person", "confidence": 0.624 }, { "rectangle": { "x": 161, "y": 31, "w": 439, "h": 423 }, "object": "subway train", "parent": { "object": "train", "parent": { "object": "Land vehicle", "parent": { "object": "Vehicle", "confidence": 0.926 }, "confidence": 0.923 }, "confidence": 0.917 }, "confidence": 0.801 } ]
태그 [ { "name": "train", "confidence": 0.9974923 }, { "name": "platform", "confidence": 0.9955776 }, { "name": "station", "confidence": 0.9796659 }, { "name": "indoor", "confidence": 0.927235 }, { "name": "subway", "confidence": 0.8388686 }, { "name": "clothing", "confidence": 0.5561277 }, { "name": "person", "confidence": 0.505803 }, { "name": "pulling", "confidence": 0.431911647 } ]
설명 { "tags": [ "train", "platform", "station", "building", "indoor", "subway", "track", "walking", "waiting", "pulling", "board", "people", "man", "luggage", "standing", "holding", "large", "woman", "suitcase" ], "captions": [ { "text": "people waiting at a train station", "confidence": 0.8331445 } ] }
이미지 형식 "Jpeg"
이미지 차원 462 x 600
흑백 false
성인 콘텐츠 false
성인 점수 0.009112843
낭자한 피 false
고어 점수 0.0461505651
외설 false
외설 점수 0.0143244732
범주 [ { "name": "trans_trainstation", "score": 0.98828125 } ]
얼굴 []
주요 색상 배경
"Black"
주요 색상 전경
"Black"
강조 색
#484C83
{
  "categories": [
    {
      "name": "trans_trainstation",
      "score": 0.98828125
    }
  ],
  "adult": {
    "isAdultContent": false,
    "isGoryContent": false,
    "isRacyContent": false,
    "adultScore": 0.009112843,
    "goreScore": 0.0461505651,
    "racyScore": 0.0143244732
  },
  "tags": [
    {
      "name": "train",
      "confidence": 0.9974923
    },
    {
      "name": "platform",
      "confidence": 0.9955776
    },
    {
      "name": "station",
      "confidence": 0.9796659
    },
    {
      "name": "indoor",
      "confidence": 0.927235
    },
    {
      "name": "subway",
      "confidence": 0.8388686
    },
    {
      "name": "clothing",
      "confidence": 0.5561277
    },
    {
      "name": "person",
      "confidence": 0.505803
    },
    {
      "name": "pulling",
      "confidence": 0.431911647
    }
  ],
  "description": {
    "tags": [
      "train",
      "platform",
      "station",
      "building",
      "indoor",
      "subway",
      "track",
      "walking",
      "waiting",
      "pulling",
      "board",
      "people",
      "man",
      "luggage",
      "standing",
      "holding",
      "large",
      "woman",
      "suitcase"
    ],
    "captions": [
      {
        "text": "people waiting at a train station",
        "confidence": 0.8331445
      }
    ]
  },
  "requestId": "848c8968-310f-42d9-b3dc-36e20c84c3b3",
  "metadata": {
    "width": 600,
    "height": 462,
    "format": "Jpeg"
  },
  "faces": [],
  "color": {
    "dominantColorForeground": "Black",
    "dominantColorBackground": "Black",
    "accentColor": "484C83",
    "isBWImg": false
  },
  "objects": [
    {
      "rectangle": {
        "x": 93,
        "y": 178,
        "w": 115,
        "h": 237
      },
      "object": "person",
      "confidence": 0.764
    },
    {
      "rectangle": {
        "x": 0,
        "y": 229,
        "w": 101,
        "h": 206
      },
      "object": "person",
      "confidence": 0.624
    },
    {
      "rectangle": {
        "x": 161,
        "y": 31,
        "w": 439,
        "h": 423
      },
      "object": "subway train",
      "parent": {
        "object": "train",
        "parent": {
          "object": "Land vehicle",
          "parent": {
            "object": "Vehicle",
            "confidence": 0.926
          },
          "confidence": 0.923
        },
        "confidence": 0.917
      },
      "confidence": 0.801
    }
  ]
}
{
  "categories": [
    {
      "name": "trans_trainstation",
      "score": 0.98828125
    }
  ],
  "adult": {
    "isAdultContent": false,
    "isGoryContent": false,
    "isRacyContent": false,
    "adultScore": 0.009112843,
    "goreScore": 0.0461505651,
    "racyScore": 0.0143244732
  },
  "tags": [
    {
      "name": "train",
      "confidence": 0.9974923
    },
    {
      "name": "platform",
      "confidence": 0.9955776
    },
    {
      "name": "station",
      "confidence": 0.9796659
    },
    {
      "name": "indoor",
      "confidence": 0.927235
    },
    {
      "name": "subway",
      "confidence": 0.8388686
    },
    {
      "name": "clothing",
      "confidence": 0.5561277
    },
    {
      "name": "person",
      "confidence": 0.505803
    },
    {
      "name": "pulling",
      "confidence": 0.431911647
    }
  ],
  "description": {
    "tags": [
      "train",
      "platform",
      "station",
      "building",
      "indoor",
      "subway",
      "track",
      "walking",
      "waiting",
      "pulling",
      "board",
      "people",
      "man",
      "luggage",
      "standing",
      "holding",
      "large",
      "woman",
      "suitcase"
    ],
    "captions": [
      {
        "text": "people waiting at a train station",
        "confidence": 0.8331445
      }
    ]
  },
  "requestId": "848c8968-310f-42d9-b3dc-36e20c84c3b3",
  "metadata": {
    "width": 600,
    "height": 462,
    "format": "Jpeg"
  },
  "faces": [],
  "color": {
    "dominantColorForeground": "Black",
    "dominantColorBackground": "Black",
    "accentColor": "484C83",
    "isBWImg": false
  },
  "objects": [
    {
      "rectangle": {
        "x": 93,
        "y": 178,
        "w": 115,
        "h": 237
      },
      "object": "person",
      "confidence": 0.764
    },
    {
      "rectangle": {
        "x": 0,
        "y": 229,
        "w": 101,
        "h": 206
      },
      "object": "person",
      "confidence": 0.624
    },
    {
      "rectangle": {
        "x": 161,
        "y": 31,
        "w": 439,
        "h": 423
      },
      "object": "subway train",
      "parent": {
        "object": "train",
        "parent": {
          "object": "Land vehicle",
          "parent": {
            "object": "Vehicle",
            "confidence": 0.926
          },
          "confidence": 0.923
        },
        "confidence": 0.917
      },
      "confidence": 0.801
    }
  ]
}

프로세스 혁신

이미지에서 10,000개가 넘는 개체 및 개념을 자동으로 식별합니다. 여러 언어 및 혼합된 글쓰기 스타일에 대한 지원을 활용하여 여러 이미지와 문서 형식에서 인쇄된 텍스트와 필기 텍스트를 추출합니다. 이러한 Computer Vision 기능을 적용하여 로봇 프로세스 자동화 및 디지털 자산 관리와 같은 프로세스를 간소화합니다.

조직의 물리적 공간의 가치를 최대화

사무실이나 상점 등 다양한 물리적 공간에서 사람들이 어떻게 움직이는지 파악합니다. 공간 분석 기능을 사용하여 방에 있는 사람 수를 세고 경로를 추적할 뿐 아니라 진열대 앞에 머무는 시간을 파악하고 줄 서서 기다리는 시간을 확인할 수 있는 앱을 만듭니다. 또한 수용 인원 관리, 사회적 거리두기, 얼굴 마스크 규정 준수를 지원하고 매장 내부 및 사무실 배치를 최적화하며 계산 속도를 높이는 솔루션을 빌드합니다. 여러 카메라 및 사이트에서 서비스를 실행합니다.

이 기능에 대해 자세히 알아보기

클라우드에서 에지에 이르기까지 어디서나 배포

클라우드 또는 온-프레미스에서 컨테이너로 Computer Vision을 실행하세요. 의료 기록 이미지 검사, 보안 문서의 텍스트 추출, 데이터 보안 및 낮은 대기 시간이 가장 중요한 상점에서 사람들이 움직이는 방식 분석과 같은 다양한 시나리오에 적용합니다.

컨테이너의 Computer Vision에 대해 알아보기

업계 최고 수준의 Azure 보안을 기반으로 빌드

  • Microsoft는 사이버 보안 연구 및 개발에 매년 USD 1 billion 넘게 투자합니다.

  • Microsoft에 소속된 보안 전문가 3,500여 명이 데이터 보안 및 개인 정보 보호를 전담합니다.

  • Azure는 클라우드 공급 기업 중에서도 가장 많은 규정 준수 인증을 취득했습니다. 전체 목록을 확인하세요.

세계적 수준의 컴퓨터 비전을 경쟁력 있는 가격에 사용

사전 투자 비용 없이 사용한 만큼만 요금을 지불하세요. Computer Vision을 사용하면 트랜잭션 수를 기반으로 종량제 요금을 지불할 수 있습니다.

3단계로 Computer Vision 시작하기

Azure 체험 계정에 가입하여 즉시 액세스 권한과 $200 크레딧을 받습니다.

Azure Portal에 로그인하고 Computer Vision을 추가합니다.

빠른 시작 가이드와 설명서를 참고하여 Computer Vision을 포함하는 방법을 알아봅니다.

설명서 및 리소스

시작하기

Read the documentation

Take Microsoft Learn courses

코드 샘플 보기

Explore a sample app

Computer Vision에 대해 자주 묻는 질문

  • 지역별 가용성을 확인하세요.
  • Computer Vision 및 기타 Azure Cognitive Services 제품은 99.9% 가용성을 보장합니다. 무료 가격 책정 계층에는 SLA가 제공되지 않습니다. SLA 정보를 살펴보세요.
  • 아니요. Microsoft는 처리 후 이미지 및 비디오를 자동으로 삭제하고, 기본 모델을 향상하기 위해 데이터를 학습하지 않습니다. 비디오 데이터는 사용자의 프레미스를 벗어나지 않으며, 비디오 데이터는 컨테이너가 실행되는 에지에 저장되지 않습니다. 개인 정보 보호 정책과 사용 약관에 대해 자세히 알아보세요.
  • Computer Vision을 사용하여 이미지와 비디오에서 텍스트를 추출한 후 Text Analytics를 사용하여 감정을 분석하고, Translator를 사용하여 텍스트를 원하는 언어로 번역하거나, 몰입형 리더를 사용하여 텍스트를 소리 내어 읽음으로써 접근성을 높일 수 있습니다. 추가 Computer Vision 관련 기능으로는 문서에서 키-값 쌍 및 테이블을 추출하는 Form Recognizer, 이미지에서 얼굴을 감지 및 인식하는 Face, 사용자 컴퓨터 비전 모델을 처음부터 쉽게 빌드하는 Custom Vision, 원치 않는 텍스트 또는 이미지를 감지하는 Content Moderator 등이 있습니다.
  • 아니요. 공간 분석은 신체 주변의 경계 상자를 사용하여 비디오 장면과 출력에서 사람의 존재를 감지하고 찾습니다. AI 모델은 얼굴을 감지하거나 개인의 신원 또는 인구 통계를 확인하지 않습니다.
  • 공간 분석 AI 모델은 신체 경계 상자로 한 명 이상의 사람이 있는지를 식별하는 알고리즘에 따라 비디오 피드에서 움직임을 감지하고 추적합니다. 카메라 시야의 영역에서 감지된 각 경계 상자 움직임에 대해 AI 모델은 신체의 경계 상자 좌표, 이벤트 유형(예: 영역 출입 또는 방향 선 교차), 경계 상자 추적을 위한 가명 식별자, 감지 신뢰도 점수를 포함한 이벤트 데이터를 출력합니다. 이 이벤트 데이터는 Azure IoT Hub의 자체 인스턴스로 전송됩니다.

준비가 되셨다면 Azure 체험 계정을 설정해 볼까요?