Usługa Azure Vision w Foundry Tools

Azure Vision to zaawansowane narzędzie w ramach zestawu narzędzi Azure AI Foundry Tools (dawniej usługi platformy Azure AI). Usługa Azure Vision udostępnia zestaw wstępnie utworzonych interfejsów API, które umożliwiają aplikacjom i agentom wizualne interpretowanie świata. Funkcja przetwarzania obrazów zapewnia takie możliwości, jak analiza obrazu, wykrywanie obiektów, interpretacja przestrzenna i optyczne rozpoznawanie znaków (OCR). Te narzędzia umożliwiają deweloperom tworzenie inteligentnych rozwiązań, które mogą "zobaczyć" i rozumieć zawartość wizualną w czasie rzeczywistym.

W ramach platformy Azure AI Foundry usługa Azure Vision integruje się w ramach ujednoliconej platformy Foundry na potrzeby obsługi agentowych środowisk sztucznej inteligencji. 

Usługa Azure Vision (dawniej Wizja platformy Azure AI) została zaprojektowana na potrzeby przyspieszenia opracowywania inteligentnych agentów i aplikacji bez konieczności uczenia maszynowego.

Tak, usługa Azure Vision (dawniej Wizja platformy Azure AI) jest teraz częścią pakietu Azure AI Foundry Tools. Ta zmiana nazwy jest częścią szerszego ujednolicenia platformy w ramach platformy Azure AI Foundry, która ma odzwierciedlać sposób, w jaki deweloperzy coraz częściej używają tych usług jako narzędzi modułowych do tworzenia inteligentnych, agentowych aplikacji.

Usługa Azure Vision w Foundry Tools nadal oferuje te same zaawansowane możliwości — takie jak analiza obrazów, wykrywanie obiektów, optyczne rozpoznawanie znaków i rozumienie przestrzenne — ale jest teraz umieszczona w spójnym zestawie narzędzi, który obsługuje przepływy pracy agentów i scenariusze wielomodalnej sztucznej inteligencji. Zmiana nazwy pomaga wyjaśnić, jak usługa Vision pasuje do ekosystemu platformy Foundry, ułatwiając odnajdywanie, organizowanie i integrowanie z innymi agentami i narzędziami.

Ta zmiana ma na celu zapewnienie deweloperom ujednoliconego środowiska do tworzenia agentów sztucznej inteligencji, którzy widzą, rozumieją i działają.

Nie. Firma Microsoft automatycznie usuwa obrazy i wideo po ich przetworzeniu. Twoje dane nie są używane do trenowania modeli bazowych w celu ich usprawnienia. Dane wideo nie opuszczają Twojej lokalizacji i dane wideo nie są przechowywane w obszarze brzegowym na którym działa kontener. Dowiedz się więcej o ochronie prywatności i warunkach użytkowania.

Nie, analiza przestrzenna wykrywa i lokalizuje obecność człowieka w materiałach wideo i generuje pole ograniczenia wokół każdej wykrytej osoby. Modele sztucznej inteligencji nie wykrywają twarzy ani nie określają tożsamości ani danych demograficznych poszczególnych osób.

Modele AI analizy przestrzennej wykrywają i śledzą ruchy w strumieniu wideo na podstawie algorytmów, które identyfikują obecność co najmniej jednej osoby przez pole ograniczenia ciała. Dla każdej osoby i pola ograniczenia wykrytego w strefie w polu widzenia kamery model sztucznej inteligencji generuje dane zdarzenia, w tym współrzędne pola ograniczenia ciała osoby’, typ zdarzenia (na przykład wpis strefy lub wyjście lub przekreślanie linii kierunkowej), pseudonimowe identyfikatory do śledzenia pola ograniczenia i wskaźnik ufności wykrywania. Te dane zdarzenia są wysyłane do Twojego własnego wystąpienia usługi Azure IoT Hub.

Tak. Ponieważ dostosowywanie modelu zostało zaprojektowane tak, aby było dopasowane do Twojego scenariusza, należy podać dane oznaczone etykietami, aby wytrenować swój model.

Funkcja dostosowywania modelu usługi jest zoptymalizowana pod kątem szybkiego rozpoznawania istotnych różnic między obrazami, dzięki czemu można rozpocząć tworzenie prototypów modelu przy użyciu niewielkiej ilości danych. Możesz zacząć od zaledwie jednego obrazu na etykietę. Jeśli masz więcej obrazów oznaczonych etykietami, możesz dodać więcej. W zależności od złożoności wymaganego problemu i stopnia dokładności można nadal dodawać dodatkowe obrazy na etykietę, aby ulepszyć model.

Funkcja dostosowywania modelu dla usługi Azure Vision to następna generacja usługi Custom Vision z ulepszoną dokładnością i możliwościami uczenia się kilkoma ujęciami. Zaleca się przeprowadzenie migracji danych szkoleniowych w celu ponownego trenowania modelu przy użyciu dostosowywania modelu w usłudze Azure Vision.