Computer Vision

Een AI-service waarmee de inhoud in afbeeldingen en video wordt geanalyseerd

Extraheer rijke gegevens uit afbeeldingen en video

Vergroot de detecteerbaarheid van inhoud, automatiseer tekstextractie, analyseer video in real time en maak producten die meer mensen kunnen gebruiken door cloudvisiemogelijkheden in uw apps in te sluiten met Computer Vision, een onderdeel van Azure Cognitive Services. Gebruik visuele gegevensverwerking om inhoud te labelen met objecten en concepten, extraheer tekst, genereer afbeeldingsbeschrijvingen, modereer inhoud en begrijp hoe personen zich verplaatsen in fysieke ruimten. Kennis van machine learning is niet vereist.

Tekstextractie (OCR)

Haal gedrukte en handgeschreven tekst uit afbeeldingen en documenten met gemengde talen en schrijfstijlen.

Beelden begrijpen

Haal informatie op uit een uitgebreide ontologie met meer dan 10.000 concepten en objecten om waarde te genereren vanuit uw visuele assets.

Ruimtelijke analyse

Analyseer hoe mensen zich in realtime in een ruimte verplaatsen voor de bezettingsgraad, sociale distancing en detectie van mondkapjes.

Flexibele implementatie

Computer Vision uitvoeren in de cloud of in containers aan de rand.

Baanbrekend Computer Vision eenvoudig toepassen

Voeg toonaangevende video- en fotoherkenningstechnologie toe aan uw eigen apps met een eenvoudige API-aanroep.

Probeer het zelf

person
person
subway train
Functienaam: Waarde
Objecten [ { "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 } ]
Tags [ { "name": "train", "confidence": 0.9974923 }, { "name": "platform", "confidence": 0.9955777 }, { "name": "station", "confidence": 0.979665935 }, { "name": "indoor", "confidence": 0.9272351 }, { "name": "subway", "confidence": 0.838868737 }, { "name": "clothing", "confidence": 0.5561282 }, { "name": "person", "confidence": 0.505803 }, { "name": "pulling", "confidence": 0.431911945 } ]
Beschrijving { "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": 0.833144546 } ] }
Afbeeldingsindeling "Jpeg"
Afbeeldingsgrootte 462 x 600
Zwart-wit false
Erotische inhoud false
Erotiekscore 0.009112834
Bloederig false
Bloederigheidsscore 0.046150554
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
{
  "categories": [
    {
      "name": "trans_trainstation",
      "score": 0.98828125
    }
  ],
  "adult": {
    "isAdultContent": false,
    "isGoryContent": false,
    "isRacyContent": false,
    "adultScore": 0.009112834,
    "goreScore": 0.046150554,
    "racyScore": 0.0143244695
  },
  "tags": [
    {
      "name": "train",
      "confidence": 0.9974923
    },
    {
      "name": "platform",
      "confidence": 0.9955777
    },
    {
      "name": "station",
      "confidence": 0.979665935
    },
    {
      "name": "indoor",
      "confidence": 0.9272351
    },
    {
      "name": "subway",
      "confidence": 0.838868737
    },
    {
      "name": "clothing",
      "confidence": 0.5561282
    },
    {
      "name": "person",
      "confidence": 0.505803
    },
    {
      "name": "pulling",
      "confidence": 0.431911945
    }
  ],
  "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": 0.833144546
      }
    ]
  },
  "requestId": "2ac3441a-5984-444e-a504-ee3c4f814164",
  "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": 0.009112834,
    "goreScore": 0.046150554,
    "racyScore": 0.0143244695
  },
  "tags": [
    {
      "name": "train",
      "confidence": 0.9974923
    },
    {
      "name": "platform",
      "confidence": 0.9955777
    },
    {
      "name": "station",
      "confidence": 0.979665935
    },
    {
      "name": "indoor",
      "confidence": 0.9272351
    },
    {
      "name": "subway",
      "confidence": 0.838868737
    },
    {
      "name": "clothing",
      "confidence": 0.5561282
    },
    {
      "name": "person",
      "confidence": 0.505803
    },
    {
      "name": "pulling",
      "confidence": 0.431911945
    }
  ],
  "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": 0.833144546
      }
    ]
  },
  "requestId": "2ac3441a-5984-444e-a504-ee3c4f814164",
  "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
    }
  ]
}

Uw processen transformeren

Identificeer automatisch meer dan 10.000 objecten en concepten in uw beelden. U kunt gedrukte en handgeschreven tekst uit meerdere beeld- en documenttypen extraheren, met ondersteuning voor meerdere talen en gemengde schrijfstijlen. Pas deze Computer Vision-functies toe om processen te stroomlijnen, zoals geautomatiseerde procesautomatisering en beheer van digitale activa.

De waarde van de fysieke ruimte van uw organisatie maximaliseren

Krijg inzicht in hoe mensen zich in een fysieke ruimte verplaatsen, of het nu een kantoor of een winkel is. Met de functie voor ruimtelijke analyse kunt u apps maken die het aantal mensen in en ruimte kunnen tellen, routes traceren, inzicht geven in hoe lang mensen voor een etalage blijven staan en wachttijden in wachtrijen kunnen vastleggen. Ontwikkel oplossingen die bezettingsgraadbeheer, social distancing, mondmaskercompliance en optimalisatie van indelingen in winkels en kantoren mogelijk maken en het betalingsproces versnellen. Voer de service uit op meerdere camera's en locaties.

Meer informatie over deze mogelijkheid

Overal vanuit de cloud naar de rand implementeren

Voer Computer Vision in de cloud of on-premises uit met containers. U kunt dit toepassen op verschillende scenario's, zoals bestuderen van medische beelden, tekstextractie uit beveiligde documenten of analyse van de manier waarop mensen zich in een ruimte verplaatsen, waarbij gegevensbeveiliging en lage latentie van cruciaal belang zijn.

Meer informatie over Computer Vision in containers

Ontwikkelen op basis van de toonaangevende Azure-beveiliging

  • Microsoft investeert meer dan USD 1 billion per jaar in onderzoek naar en de ontwikkeling van cyberbeveiliging.

  • Er werken meer dan 3500 beveiligingsexperts bij ons die allemaal zijn toegewijd aan de beveiliging en privacy van uw gegevens.

  • Azure heeft meer nalevingscertificeringen dan enige andere cloudprovider. Bekijk de uitgebreide lijst.

Computer Vision van wereldklasse tegen scherpe prijzen

Betaal uitsluitend voor wat u gebruikt zonder kosten vooraf. Met Computer Vision betaalt u voor wat u gebruikt, gebaseerd op het aantal transacties.

Aan de slag met Computer Vision in drie stappen

Krijg direct toegang en een tegoed van $200 door u te registreren voor een gratis Azure-account.

Meld u aan bij Azure Portal en voeg Computer Vision toe.

Meer informatie over het insluiten van Computer Vision in de quickstarts en documentatie.

Documentatie en resources

Aan de slag

Lees de documentatie

Microsoft Learn-cursussen volgen

Codevoorbeelden bekijken

Een voorbeeld-app verkennen

Veelgestelde vragen over Computer Vision

  • Voor Computer Vision en andere aanbiedingen van Azure Cognitive Services wordt een beschikbaarheid van 99,9 procent gegarandeerd. Er is geen SLA voor de gratis prijscategorie. Zie SLA-gegevens.
  • Nee. Microsoft verwijdert uw afbeeldingen en video's automatisch na de verwerking en traint uw gegevens niet voor het verbeteren van de onderliggende modellen. Videogegevens verlaten uw locatie niet en videogegevens worden niet opgeslagen aan de rand waar de container wordt uitgevoerd. Meer informatie over privacy en gebruiksvoorwaarden.
  • Nadat u Computer Vision hebt gebruikt om tekst uit afbeeldingen en video's op te halen, kunt u Text Analytics gebruiken om sentiment te analyseren, Vertaler om tekst om te zetten in de gewenste taal of Insluitende lezer om de tekst hardop voor te lezen, waardoor deze toegankelijker wordt. Aanvullende aan Computer Vision gerelateerde mogelijkheden zijn Form Recognizer om sleutel-waardeparen en tabellen uit documenten te extraheren, Face om gezichten in afbeeldingen te detecteren en te herkennen, Custom Vision om eenvoudig uw eigen computervisiemodel te bouwen en Content Moderator om ongewenste tekst of afbeeldingen te detecteren.
  • Nee, met ruimtelijke analyse wordt menselijke aanwezigheid in videobeelden gedetecteerd en wordt uitvoer gegenereerd met behulp van een begrenzingsvak om een menselijk lichaam. De AI-modellen detecteren geen gezichten en stellen niet de identiteiten of demografische gegevens van personen vast.
  • De AI-modellen met ruimtelijke analyse detecteren en volgen bewegingen in de videofeed op basis van algoritmen die de aanwezigheid van een of meer mensen identificeren door een begrenzingsvak voor een lichaam. Voor elke verplaatsing van een begrenzingsvak dat wordt gedetecteerd in een zone in het cameraveld van de weergave, geven de AI-modellen gebeurtenisgegevens als uitvoer, zoals: coördinaten van het begrenzingsvak van het lichaam van een persoon, het type gebeurtenis (bijvoorbeeld binnenkomst of verlaten van zone, directioneel kruisen), pseudoniem-id om het begrenzingsvak te volgen en detectie van betrouwbaarheidsscore. Deze gebeurtenisgegevens worden verzonden naar uw eigen exemplaar van Azure IoT Hub.

Bent u er klaar voor? Stel een gratis Azure-account in