Navigatie overslaan

Computer Vision

Extraheer uitgebreide gegevens uit afbeeldingen om visuele gegevens te categoriseren en te verwerken en gebruik toezicht op afbeeldingen met machines om uw services te beheren.

Analyseer een afbeelding

Met deze functie haalt u informatie op over visuele inhoud die is aangetroffen in een afbeelding. Gebruik tags, domeinspecifieke modellen en beschrijvingen in vier talen om inhoud te identificeren en deze zonder reserves te labelen. Pas de instellingen voor erotische/racistische inhoud toe om mogelijke erotische inhoud te detecteren. Bepaal de afbeeldingstypen en kleurenschema’s van foto’s.

Zie het in actie

Functienaam: Waarde
Beschrijving { "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": 0.8330993 } ] }
Tags [ { "name": "train", "confidence": 0.9975446 }, { "name": "platform", "confidence": 0.995543063 }, { "name": "station", "confidence": 0.9798007 }, { "name": "indoor", "confidence": 0.9277198 }, { "name": "subway", "confidence": 0.838939548 }, { "name": "pulling", "confidence": 0.4317156 } ]
Afbeeldingsindeling "Jpeg"
Afbeeldingsgrootte 462 x 600
Type illustratie 0
Type lijntekening 0
Zwart-wit false
Erotische inhoud false
Erotiekscore 0.009112834
Erotisch false
Erotiekscore 0.0143244695
Categorieën [ { "name": "trans_trainstation", "score": 0.98828125 } ]
Gezichten []
Dominante kleur van de achtergrond
"Black"
Dominante kleur van de voorgrond
"Black"
Accentkleur
#484C83

Wilt u dit maken?

Lees tekst in afbeeldingen

Detecteer tekst in een afbeelding met behulp van optische tekenherkenning (OCR) en extraheer de herkende worden naar een machinaal leesbare tekenstroom. Analyseer afbeeldingen met het doel ingesloten tekst te detecteren, genereer tekenstromen en maak zoeken mogelijk. Neem foto’s van tekst in plaats van deze te kopiëren, en bespaar zo tijd en moeite.

Ga aan de slag met de OCR-service voor algemene beschikbaarheid en bekijk hieronder (via de API-bewerking Tekst herkennen) een voorproefje van de nieuwe OCR-engine (preview), met nóg betere tekstherkenningsresultaten voor het Engels.

Zie het in actie

  1. Preview
  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!"
          }
        ]
      }
    ]
  }
}

Wilt u dit maken?

Preview: handgeschreven tekst uit afbeeldingen lezen

Detecteer en extraheer handgeschreven tekst uit notities, brieven, essays, whiteboards, formulieren en andere bronnen. Verbruik minder papier en word productiever: maak foto’s van handgeschreven notities in plaats van ze te transcriberen en zorg ervoor dat u de digitale notities snel kunt vinden door een zoekfunctie te implementeren. Herkenning van handgeschreven tekens kan worden gebruikt voor verschillende oppervlakken en achtergronden, zoals wit papier, gele plaknotities en whiteboards.

Opmerking: deze technologie bevindt zich momenteel in de preview-fase en is alleen beschikbaar voor Engelse tekst.

Zie het in actie

  1. Preview
  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"
          }
        ]
      }
    ]
  }
}

Wilt u dit maken?

Beroemdheden en oriëntatiepunten herkennen

Herken meer dan 200.000 beroemde personen uit het bedrijfsleven, de politiek, de sportwereld en de entertainmentsector en 9000 natuurlijke en kunstmatige oriëntatiepunten van over de hele wereld.

Zie het in actie

{
  "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
    },
    {
      "name": "sound",
      "confidence": 0.23671795330197121
    },
    {
      "name": "wedding",
      "confidence": 0.1843707298035846
    },
    {
      "name": "ceremony",
      "confidence": 0.13376032654612283
    },
    {
      "name": "headshot",
      "confidence": 0.13326184709017147
    }
  ],
  "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": 0.99032750982666984
      }
    ]
  },
  "requestId": "cb65fec1-3f33-43b8-a6e7-0e8f1b3a0a26",
  "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
  }
}

Wilt u dit maken?

Video bijna in real time analyseren

Video bijna in real time analyseren: gebruik een Computer Vision-API voor uw videobestanden door frames van de video te extraheren van uw apparaat en de frames vervolgens te verzenden naar de gewenste API-aanroepen. Boek sneller resultaten met uw video's.

Gebruik ons voorbeeld op GitHub om aan de slag te gaan en uw eigen app te bouwen.

Meer informatie

Zie het in actie

Wilt u dit maken?

Genereer een miniatuur

Genereer een miniatuur van hoge kwaliteit die weinig opslagruimte inneemt op basis van elke willekeurige afbeelding en pas afbeeldingen aan uw grootte, vorm en stijl aan. Gebruik de slimme bijsnijdfuncties om miniaturen te genereren met andere hoogte-breedteverhoudingen dan het origineel, maar met behoud van het meest interessante deel van de afbeelding.

Zie het in actie

Wilt u dit maken?

Ontdek de Cognitive Services-API's

Computer Vision

Distilleer actiegegevens uit afbeeldingen

Face

Herken, identificeer, analyseer, organiseer en tag gezichten in foto's

Video Indexer

Meer inzichten dankzij video

Content Moderator

Geautomatiseerd afbeeldings-, tekst- en videotoezicht

Custom Vision PREVIEW

U kunt uw eigen geavanceerde Vision-modellen aanpassen met het oog op uw specifieke situatie

Tekstanalyse

Gevoelens en onderwerpen evalueren om te begrijpen wat gebruikers willen

Translator Text

Gemakkelijk machinevertaling uitvoeren door eenvoudig een REST API aan te roepen

Bing Spellingcontrole

Detecteer en corrigeer spelfouten in uw app

Content Moderator

Geautomatiseerd afbeeldings-, tekst- en videotoezicht

Language Understanding

Leer uw apps opdrachten van uw gebruikers te begrijpen

Spraakservices

Samengevoegde spraakservices voor spraak-naar-tekst en spraakomzetting

Sprekerherkenning PREVIEW

Gebruik spraak voor het identificeren en verifiëren van individuele sprekers

QnA Maker

Distilleer informatie in beschrijvende, gemakkelijk te navigeren antwoorden