Computer Vision | Microsoft Azure

Wyodrębnianie szczegółowych informacji z obrazów i wideo

Zwiększaj możliwości odnajdywania zawartości, automatyzuj wyodrębnianie tekstu, analizuj wideo w czasie rzeczywistym i twórz produkty, których może używać więcej osób, dodając do swoich aplikacji możliwości przetwarzania obrazów w chmurze dzięki usłudze przetwarzania obrazów będącej częścią usług Azure Cognitive Services. Używaj przetwarzania danych wizualnych do oznaczania zawartości etykietami obiektów i pojęć, wyodrębniania tekstu, generowania opisów obrazów, moderowania zawartości i rozumienia ruchów osób w przestrzeniach fizycznych. Nie jest wymagana żadna wiedza na temat uczenia maszynowego.

Wyodrębnianie tekstu (OCR)

Wyodrębniaj tekst drukowany i napisany odręcznie z obrazów oraz dokumentów o mieszanych językach i stylach pisania.

Rozpoznawanie obrazów

Korzystaj z obszernej ontologii obejmującej ponad 10 000 pojęć i obiektów, aby generować wartość z zasobów wizualnych.

Analiza przestrzenna

Analizuj sposób przemieszczania się ludzi w przestrzeni w czasie rzeczywistym.

Elastyczne wdrożenia

Uruchamiaj usługę Computer Vision w chmurze lub na urządzeniach brzegowych w kontenerach.

W łatwy sposób stosuj przełomową technologię przetwarzania obrazów

Zastosuj najnowocześniejszą technologię rozpoznawania filmów wideo i zdjęć w swoich aplikacjach, korzystając z prostego wywołania interfejsu API.

Zobacz, jak to działa

person

subway train

Nazwa funkcji:	Wartość
Obiekty	[ { "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 } ]
Tagi	[ { "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 } ]
Opis	{ "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 } ] }
Format obrazu	"Jpeg"
Wymiary obrazu	462 x 600
Czarno-biały	false
Treści dla dorosłych	false
Treści dla dorosłych — ocena	0.009112834
Gory	false
Gore Score	0.046150554
Erotyka	false
Erotyka — ocena	0.0143244695
Kategorie	[ { "name": "trans_trainstation", "score": 0.98828125 } ]
Twarze	[]
Dominujący kolor tła	"Black"
Dominujący kolor pierwszego planu	"Black"
Kolor akcentu	#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": "0dc9f2fa-0540-4efd-a0cf-3b3e0e1de798",
  "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": "0dc9f2fa-0540-4efd-a0cf-3b3e0e1de798",
  "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
    }
  ]
}

Przekształcaj swoje procesy

Automatycznie identyfikuj ponad 10 000 obiektów i pojęć na obrazach. Wyodrębniaj tekst drukowany i napisany odręcznie z wielu typów obrazów i dokumentów, wykorzystując obsługę wielu języków i mieszanych stylów pisania. Zastosuj te funkcje przetwarzania obrazów, aby usprawnić procesy, takie jak automatyzacja procesów mechanicznych i zarządzanie zasobami cyfrowymi.

Maksymalizowanie wartości przestrzeni fizycznej w organizacji

Zrozum, jak ludzie poruszają się w przestrzeni fizycznej — czy to w biurze, czy w sklepie. Używając funkcji analizy przestrzennej, twórz aplikacje, które mogą liczyć osoby w pokoju, śledzić ścieżki, rozumieć czasy przebywania przed wystawą sklepu detalicznego i ustalać czasy oczekiwania w kolejkach. Twórz rozwiązania, które umożliwiają zarządzanie zajętością i utrzymywanie dystansu społecznego, optymalizowanie układów w sklepie i biurze oraz przyspieszanie procesu obsługi przy kasie. Uruchamiaj usługę w wielu kamerach i lokacjach.

Dowiedz się więcej o tej funkcji

Wdrażanie z dowolnego miejsca z chmury do brzegu

Uruchamiaj usługę Computer Vision w chmurze lub lokalnie w kontenerach. Zastosuj ją do różnych scenariuszy, takich jak badanie obrazu w rekordzie opieki zdrowotnej, wyodrębnianie tekstu poufnych dokumentów lub analiza sposobu poruszania się osób po sklepie, w których bezpieczeństwo danych i niskie opóźnienia są najważniejsze.

Dowiedz się o usłudze Computer Vision w ramach kontenerów

Tworzenie z wykorzystaniem wiodących w branży zabezpieczeń platformy Azure

Firma Microsoft inwestuje ponad USD 1 billion rocznie w badania i rozwiązania z zakresu cyberbezpieczeństwa.
Zatrudniamy ponad 3500 ekspertów w dziedzinie zabezpieczeń, którzy są skoncentrowani na ochronie danych i prywatności.
W porównaniu z innymi dostawcami usług w chmurze platforma Azure ma więcej certyfikatów w zakresie zgodności. Wyświetl pełną listę.

Dowiedz się więcej o bezpieczeństwie platformy Azure

Światowej klasy przetwarzanie obrazów w konkurencyjnych cenach

Płać wyłącznie za rzeczywiste użycie bez kosztów ponoszonych z góry. Za usługę Computer Vision płacisz zgodnie z rzeczywistym użyciem na podstawie liczby transakcji.

Zobacz cennik usługi Computer Vision

Wprowadzenie do usługi Computer Vision w 3 krokach

Uzyskaj błyskawiczny dostęp i środki w wysokości $200, zakładając bezpłatne konto platformy Azure.

Zaloguj się do witryny Azure Portal i dodaj usługę Computer Vision.

Dowiedz się, jak osadzić usługę Computer Vision, korzystając z przewodników Szybki start i dokumentacji.

Dokumentacja i zasoby

Rozpocznij

Przeczytaj dokumentację

Weź udział w kursach Microsoft Learn

Zobacz przykłady kodu

Zapoznaj się z przykładową aplikacją

"We found Cognitive Services to be the missing piece in the equation, the one that we needed to bring this solution to market and really revolutionize the way people look at video."
Katie McCann, wiceprezes ds. inżynierii produktów, Prism Skylabs

"It didn't take us long to realize Azure Cognitive Services had handed us a powerful set of computer-vision and artificial intelligence tools that we could use to create great apps and new features for our customers in just a few hours."
John Fan, współzałożyciel i dyrektor generalny, PicCollage

Często zadawane pytania dotyczące usługi Computer Vision

Wyświetl dostępność według regionów.
Usługa przetwarzania obrazów oraz inne oferty usług Azure Cognitive Services gwarantują dostępność na poziomie 99,9%. W warstwie Bezpłatna nie jest dostępna umowa SLA. Zobacz szczegóły umowy SLA.
Nie. Firma Microsoft automatycznie usuwa obrazy i filmy wideo po przetworzeniu i nie używa Twoich danych do trenowania modeli bazowych w celu ich usprawnienia. Dane wideo nie opuszczają Twojego środowiska lokalnego ani nie są przechowywane na urządzeniach brzegowych, na których jest uruchomiony kontener. Dowiedz się więcej o zachowaniu poufności informacji i warunkach użytkowania.
Po wyodrębnieniu tekstu z obrazów i filmów wideo przy użyciu przetwarzania obrazów możesz skorzystać z analizy tekstu, aby przeanalizować tonację, translatora, aby przetłumaczyć tekst na żądany język, lub czytnika immersyjnego, aby odczytać tekst na głos, ułatwiając do niego dostęp. Dodatkowe funkcje związane z przetwarzaniem obrazów obejmują usługi Rozpoznawanie formularzy do wyodrębniania par klucz-wartość i tabel z dokumentów, Face do wykrywania i rozpoznawania twarzy na obrazach, Custom Vision do łatwego utworzenia własnego modelu przetwarzania obrazów od podstaw oraz Content Moderator do wykrywania niepożądanego tekstu lub obrazów.
Nie. Analiza przestrzenna wykrywa i lokalizuje obecność człowieka w filmach wideo i danych wyjściowych przy użyciu pola ograniczenia wokół ciała ludzkiego. Modele sztucznej inteligencji nie wykrywają twarzy ani nie określają tożsamości czy danych demograficznych poszczególnych osób.
Modele sztucznej inteligencji analizy przestrzennej wykrywają i śledzą ruchy w strumieniu wideo na podstawie algorytmów, które identyfikują obecność co najmniej jednej osoby przez pole ograniczenia ciała. Dla każdego ruchu wykrytego w polu ograniczenia w strefie pola widzenia kamery modele sztucznej inteligencji zwracają dane wyjściowe zdarzenia w tym: współrzędne pola ograniczenia ciała osoby, typ zdarzenia (na przykład wejście do strefy lub wyjście z niej albo kierunkowe przecięcie linii), identyfikatory pseudonimowe do śledzenia pola ograniczenia i wskaźnik pewności wykrywania. Te dane zdarzenia są wysyłane do Twojego własnego wystąpienia usługi Azure IoT Hub.

Wszystko gotowe — utwórz bezpłatne konto platformy Azure

Rozpocznij bezpłatnie

Przetwarzanie obrazów