Visual Computacional

Extraia informações avançadas de imagens para categorizar e processar dados visuais – e execute moderação de imagens assistida por computador para ajudar a organizar seus serviços.

Analisar uma imagem

Este recurso retorna informações sobre o conteúdo visual encontrado em uma imagem. Use marcações, descrições e modelos específicos de domínio em quatro linguagens para identificar conteúdo e rotulá-lo com confiança. Aplique as configurações de conteúdo para adulto para ajudar a identificá-lo. Identifique tipos de imagem e esquemas de cores em fotos.

Veja-a em ação

Nome do recurso: Valor
Objetos [ { "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 } ]
Marcas [ { "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 } ]
Descrição { "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 } ] }
Formato da imagem "Jpeg"
Dimensões da imagem 462 x 600
Tipo de clip-art 0
Tipo do desenho de linha 0
Preto e branco false
Conteúdo somente para adultos false
Pontuação de conteúdo somente para adultos 0.009112834
Conteúdo sexual false
Pontuação de conteúdo sexual 0.0143244695
Categorias [ { "name": "trans_trainstation", "score": 0.98828125 } ]
Faces []
Tela de fundo de cor predominante
"Black"
Primeiro plano de cor predominante
"Black"
Cor de destaque
#484C83

Deseja criar isso?

Ler texto em imagens

Com o OCR (reconhecimento óptico de caracteres), detecte texto em uma imagem e extraia as palavras reconhecidas para um fluxo de caracteres que pode ser lido por computadores. Analise imagens para detectar texto inserido, gerar fluxos de caractere e habilitar pesquisa. Tire fotos de texto em vez de copiá-lo para economizar tempo e esforço.

Comece com o serviço de OCR em disponibilidade geral e veja abaixo uma versão prévia do novo mecanismo de OCR (por meio da operação de API "Reconhecer texto") com resultados de reconhecimento de texto ainda melhores na língua inglesa.

Veja-a em ação

  1. Visualização
  2. JSON

Sorry

Have a

nice day

Oops!

See you soon

bye!

{
  "status": "Succeeded",
  "succeeded": true,
  "failed": false,
  "finished": true,
  "recognitionResult": {
    "lines": [
      {
        "boundingBox": [
          125,
          125,
          376,
          95,
          385,
          210,
          147,
          250
        ],
        "text": "Sorry",
        "words": [
          {
            "boundingBox": [
              115,
              125,
              375,
              88,
              393,
              214,
              133,
              251
            ],
            "text": "Sorry"
          }
        ]
      },
      {
        "boundingBox": [
          591,
          170,
          914,
          127,
          926,
          220,
          603,
          263
        ],
        "text": "Have a",
        "words": [
          {
            "boundingBox": [
              586,
              177,
              803,
              147,
              810,
              227,
              601,
              266
            ],
            "text": "Have"
          },
          {
            "boundingBox": [
              838,
              145,
              897,
              142,
              901,
              218,
              844,
              223
            ],
            "text": "a"
          }
        ]
      },
      {
        "boundingBox": [
          582,
          248,
          953,
          220,
          962,
          338,
          591,
          367
        ],
        "text": "nice day",
        "words": [
          {
            "boundingBox": [
              578,
              265,
              758,
              239,
              762,
              348,
              579,
              350
            ],
            "text": "nice"
          },
          {
            "boundingBox": [
              780,
              237,
              934,
              221,
              940,
              342,
              784,
              347
            ],
            "text": "day"
          }
        ]
      },
      {
        "boundingBox": [
          208,
          374,
          433,
          376,
          429,
          493,
          203,
          494
        ],
        "text": "Oops!",
        "words": [
          {
            "boundingBox": [
              202,
              373,
              458,
              373,
              458,
              493,
              202,
              493
            ],
            "text": "Oops!"
          }
        ]
      },
      {
        "boundingBox": [
          164,
          629,
          620,
          600,
          626,
          690,
          169,
          719
        ],
        "text": "See you soon",
        "words": [
          {
            "boundingBox": [
              170,
              628,
              303,
              625,
              309,
              712,
              176,
              716
            ],
            "text": "See"
          },
          {
            "boundingBox": [
              303,
              625,
              435,
              621,
              441,
              701,
              309,
              712
            ],
            "text": "you"
          },
          {
            "boundingBox": [
              447,
              620,
              614,
              613,
              620,
              676,
              453,
              700
            ],
            "text": "soon"
          }
        ]
      },
      {
        "boundingBox": [
          824,
          506,
          1007,
          501,
          1000,
          621,
          837,
          633
        ],
        "text": "bye!",
        "words": [
          {
            "boundingBox": [
              806,
              505,
              1036,
              494,
              1042,
              622,
              812,
              633
            ],
            "text": "bye!"
          }
        ]
      }
    ]
  }
}

Deseja criar isso?

Versão prévia: leia textos manuscritos das imagens

Detecte e extraia textos manuscritos de anotações, cartas, dissertações, quadros brancos, formulários e outras fontes. Reduza o consumo de papel e aumente a produtividade tirando fotos de anotações manuscritas em vez de transcrevê-las e facilite a localização dessas notas implementando a pesquisa. O OCR para manuscritos funciona em diferentes superfícies e telas de fundo, como white papers, notas autoadesivas amarelas e quadros brancos.

Observação: esta tecnologia está em versão prévia no momento e disponível apenas para textos em inglês.

Veja-a em ação

  1. Visualização
  2. JSON

OUR greatest glory is not

in never failing,

om

but in rising

_every

time

fall

{
  "status": "Succeeded",
  "succeeded": true,
  "failed": false,
  "finished": true,
  "recognitionResult": {
    "lines": [
      {
        "boundingBox": [
          63,
          200,
          674,
          205,
          673,
          258,
          62,
          254
        ],
        "text": "OUR greatest glory is not",
        "words": [
          {
            "boundingBox": [
              60,
              201,
              157,
              204,
              157,
              255,
              60,
              252
            ],
            "text": "OUR"
          },
          {
            "boundingBox": [
              187,
              205,
              351,
              208,
              351,
              257,
              187,
              255
            ],
            "text": "greatest"
          },
          {
            "boundingBox": [
              387,
              208,
              501,
              209,
              502,
              256,
              388,
              257
            ],
            "text": "glory"
          },
          {
            "boundingBox": [
              537,
              209,
              584,
              209,
              585,
              255,
              538,
              256
            ],
            "text": "is"
          },
          {
            "boundingBox": [
              597,
              209,
              678,
              208,
              679,
              253,
              599,
              255
            ],
            "text": "not"
          }
        ]
      },
      {
        "boundingBox": [
          520,
          306,
          902,
          300,
          903,
          364,
          521,
          370
        ],
        "text": "in never failing,",
        "words": [
          {
            "boundingBox": [
              521,
              323,
              552,
              320,
              554,
              354,
              524,
              355
            ],
            "text": "in"
          },
          {
            "boundingBox": [
              595,
              315,
              693,
              306,
              692,
              355,
              597,
              354
            ],
            "text": "never"
          },
          {
            "boundingBox": [
              730,
              304,
              912,
              303,
              906,
              367,
              728,
              356
            ],
            "text": "failing,"
          }
        ]
      },
      {
        "boundingBox": [
          825,
          453,
          729,
          454,
          728,
          417,
          824,
          421
        ],
        "text": "om",
        "words": [
          {
            "boundingBox": [
              818,
              455,
              779,
              454,
              780,
              417,
              819,
              418
            ],
            "text": "om"
          }
        ]
      },
      {
        "boundingBox": [
          134,
          415,
          420,
          426,
          418,
          464,
          132,
          453
        ],
        "text": "but in rising",
        "words": [
          {
            "boundingBox": [
              133,
              416,
              205,
              418,
              203,
              456,
              131,
              452
            ],
            "text": "but"
          },
          {
            "boundingBox": [
              225,
              419,
              265,
              421,
              264,
              459,
              223,
              457
            ],
            "text": "in"
          },
          {
            "boundingBox": [
              304,
              423,
              417,
              431,
              416,
              460,
              302,
              460
            ],
            "text": "rising"
          }
        ]
      },
      {
        "boundingBox": [
          435,
          426,
          582,
          428,
          581,
          463,
          435,
          462
        ],
        "text": "_every",
        "words": [
          {
            "boundingBox": [
              426,
              427,
              568,
              430,
              567,
              463,
              426,
              462
            ],
            "text": "_every"
          }
        ]
      },
      {
        "boundingBox": [
          598,
          417,
          712,
          420,
          711,
          455,
          600,
          455
        ],
        "text": "time",
        "words": [
          {
            "boundingBox": [
              618,
              416,
              711,
              418,
              711,
              456,
              617,
              454
            ],
            "text": "time"
          }
        ]
      },
      {
        "boundingBox": [
          868,
          421,
          969,
          409,
          971,
          452,
          874,
          459
        ],
        "text": "fall",
        "words": [
          {
            "boundingBox": [
              867,
              418,
              967,
              408,
              971,
              451,
              871,
              461
            ],
            "text": "fall"
          }
        ]
      }
    ]
  }
}

Deseja criar isso?

Reconheça celebridades e pontos de referência

Reconheça mais de 200 mil celebridades das áreas de negócios, política, esportes e entretenimento, bem como 9 mil paisagens naturais e artificiais de todo o mundo.

Veja-a em ação

{
  "categories": [
    {
      "name": "people_",
      "score": 0.86328125,
      "detail": {
        "celebrities": [
          {
            "name": "Satya Nadella",
            "faceRectangle": {
              "left": 240,
              "top": 294,
              "width": 135,
              "height": 135
            },
            "confidence": 0.99984323978424072
          }
        ],
        "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": "b4859963-fa9f-4486-bfeb-3b84cb5e40a5",
  "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
  }
}

Deseja criar isso?

Analise vídeos quase em tempo real

Analise vídeos quase em tempo real: use qualquer uma das APIs da Pesquisa Visual Computacional com seus arquivos de vídeo, extraindo os quadros do vídeo do seu dispositivo e, em seguida, enviando-os para as chamadas à API de sua escolha. Obtenha os resultados de seus vídeos mais rapidamente.

Use sua amostra no GitHub para começar e criar seu próprio aplicativo.

Saiba mais

Veja-a em ação

Deseja criar isso?

Gerar uma miniatura

Gere uma miniatura de alta qualidade e com armazenamento eficiente baseada em qualquer imagem. Além disso, modifique imagens para adaptá-las às suas necessidades de tamanho, formato e estilo. Aplique corte inteligente para gerar miniaturas que diferente da taxa de aspecto da sua imagem original, mas que ainda preservam a região de interesse.

Veja-a em ação

Deseja criar isso?

Explore a API de Serviços Cognitivos

Visual Computacional

Extraia informações acionáveis de imagens

Face

Detectar, identificar, analisar, organizar e marcar rostos em fotos

Video Indexer

Obtenha insights para vídeos

Content Moderator

Moderação automática de vídeo, texto e imagem

Visão Personalizada VISUALIZAÇÃO

Personalize facilmente seus próprios modelos visuais de computação modernos de acordo com o seu caso de uso exclusivo

Análises de texto

Avalie sentimentos e tópicos com facilidade para entender o que os usuários querem

Tradução de Texto

Faça traduções automáticas com uma simples chamada à API REST

Verificação Ortográfica do Bing

Detectar e corrigir erros de ortografia em seu aplicativo

Content Moderator

Moderação automática de vídeo, texto e imagem

Reconhecimento Vocal

Ensine seus aplicativos a entenderem comandos dos usuários

Serviços de Fala

Serviços de fala unificados para conversão de fala em texto, conversão de texto em fala e tradução de fala

Reconhecimento do Locutor VISUALIZAÇÃO

Use a fala para identificar e verificar locutores individuais