Görüntü İşleme

Görüntülerde ve videolarda bulunan içeriği çözümleyen bir yapay zeka hizmeti.

Resimlerden ve videolardan zengin bilgiler ayıklayın

Uygulamalarınıza işleme özellikleri ekleyerek içeriklerin bulunabilirliğini artırın, metin ayıklamayı otomatikleştirin, videoları gerçek zamanlı bir şekilde analiz edin ve daha fazla insanın kullanabileceği ürünler oluşturun. İçerikleri nesne ve kavramlarla etiketlemek, metin ayıklamak, resim açıklamaları oluşturmak, içerik denetlemek ve insanların fiziksel alanlardaki hareketini anlamak için görsel veri işlemeyi kullanın. Makine öğrenimi ile ilgili uzmanlık sahibi olmanız gerekmez.

Metin ayıklama (OCR)

Karışık dillerin ve yazma stillerinin yer aldığı resimler ile belgelerden hem yazdırılmış hem de el ile yazılmış metinleri ayıklayın.

Görüntü anlama

Görsel varlıklarınızdan değer elde etmek için 10.000’den fazla kavram ve nesnenin yer aldığı zengin bir ontolojiden seçim yapın.

Uzamsal analiz

İnsanların uzayda nasıl hareket ettiğini gerçek zamanlı bir şekilde analiz edin.

Esnek dağıtım

Görüntü İşleme hizmetini bulutta veya kapsayıcılarla uç cihazlarda çalıştırabilirsiniz.

Çığır açan görüntü işleme özelliğini kolayca uygulayın

Basit bir API çağrısı ile uygulamalarınıza gelişmiş görüntü işleme teknolojisi ekleyin.

Nasıl çalıştığını görün

person
person
subway train
Özellik Adı: Değer
Nesne [ { "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 } ]
Etiketler [ { "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 } ]
Açıklama { "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 } ] }
Resim biçimi "Jpeg"
Resim boyutları 462 x 600
Siyah beyaz false
Yetişkinlere yönelik içerik false
Yetişkinlere yönelik içerik puanı 0.009112834
Gory false
Gore Puanı 0.046150554
Müstehcen false
Müstehcenlik puanı 0.0143244695
Kategoriler [ { "name": "trans_trainstation", "score": 0.98828125 } ]
Yüzler []
Baskın renk arka plan
"Black"
Baskın renk ön plan
"Black"
Vurgu Rengi
#484C83
  1. Önizleme
  2. JSON
{
  "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": "6d305e52-ca86-476b-8cb0-b26e1d13265e",
  "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": "6d305e52-ca86-476b-8cb0-b26e1d13265e",
  "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
    }
  ]
}

Süreçlerinizi dönüştürün

Resimlerinizdeki 10.000’den fazla nesneyi ve kavramı otomatik olarak tanımlayın. Birden çok dile ve karışık yazma stiline yönelik destekten yararlanarak birden çok resim ve belge türündeki yazdırılmış veya el ile yazılmış metni ayıklayın. Bu Görüntü İşleme özelliklerini robotik süreç otomasyonu ve dijital varlık yönetimi gibi süreçleri basitleştirmek için uygulayın.

Kuruluşunuzun fiziksel alanının değerini en üst düzeye çıkarın

İster ofis ister mağaza olsun, insanların fiziksel alanlarda nasıl hareket ettiğini anlayın. Bir odadaki insanları sayabilen, yolları izleyebilen, insanların mağaza vitrininin önünde kalma süresini anlayabilen ve kuyruklardaki bekleme sürelerini belirleyebilen uygulamalar oluşturun. Alan yönetimi, sosyal mesafeye, mağaza içi ve ofis düzenlerini iyileştirmeye, kullanıma alma sürecini hızlandırmaya olanak veren çözümler oluşturmak için bu özellikleri kullanın. Hizmeti birden çok kamera ve site genelinde çalıştırın.

Bu özellik hakkında daha fazla bilgi edinin

Her yerde, buluttan uca dağıtma

Görüntü İşleme hizmetini bulutta veya kapsayıcılarla şirket içinde çalıştırabilirsiniz. Bunu sağlık hizmetleri kaydı resim incelemesi, güvenli belgelerden metin ayıklama veya bir insanların mağazada hareket etme tarzlarının analizi gibi, veri güvenliğinin ve düşük gecikmenin çok önemli olduğu çeşitli senaryolara uygulayın.

Kapsayıcılarda Görüntü İşleme hakkında bilgi edinin

Endüstri lideri Azure güvenliğiyle oluşturun

  • Microsoft, siber güvenlik araştırma ve geliştirme çalışmalarına her yıl en az USD 1 billion tutarında yatırım yapıyor.

  • Yalnızca veri güvenliğiniz ve gizliliğiniz için çalışan 3.500'ten fazla güvenlik uzmanımız bulunuyor.

  • Azure, diğer tüm bulut sağlayıcılarından daha fazla sertifikaya sahiptir. Kapsamlı listeyi görüntüleyin.

Uygun fiyatlı birinci sınıf görüntü işleme hizmeti

Hiçbir ön maliyet olmadan, yalnızca kullandığınız kadar ödeyin. Görüntü İşleme’yi kullandığınızda işlem sayısı temelinde kullandığınız kadar ödersiniz.

3 adımda Görüntü İşleme’yi kullanmaya başlayın

Ücretsiz Azure hesabına kaydolarak anında erişim ve $200 değerinde kredi elde edin.

Azure portalında oturum açın ve Görüntü İşleme'yi ekleyin.

Hızlı başlangıçlar ve belgelerle Görüntü İşleme’yi eklemeyi öğrenin.

Belgeler ve kaynaklar

Kullanmaya başlayın

Belgelerimizi okuyun

Microsoft Learn kurslarına katılın

Kod örneklerimizi inceleyin

Örnek kodumuzu gözden geçirin

Görüntü İşleme güncelleştirmeleri, blogları ve duyuruları

Görüntü İşleme hakkında sıkça sorulan sorular

  • Görüntü İşleme ve diğer Bilişsel Hizmetler teklifleri, 99,9 kullanılabilirlik garantisi verir. Ücretsiz fiyatlandırma katmanı için SLA sağlanmaz. SLA ayrıntılarına bakın.
  • Görüntüleriniz ve videolarınız işlendikten sonra otomatik olarak silinir. Microsoft, temel alınan modelleri geliştirmek için verilerinizi kullanarak eğitmez. Video verileri şirketinizin dışına çıkmaz ve kapsayıcının çalıştığı Edge ağ geçidinde depolanmaz. Gizlilik ve kullanım koşulları hakkında daha fazla bilgi edinin.
  • Evet, video içeriğinden bir defalık görüntüler ayıklayabilirsiniz. “Uzamsal analiz” sayesinde Gerçek Zamanlı Akış Protokolü aracılığıyla bağlanan kameraları kullanarak yüksek kare hızında video akışlarını analiz edebilirsiniz.
  • “Uzamsal analiz” yalnızca video çekimindeki insan varlığını algılayıp belirler ve insan bedeni etrafındaki sınırlama kutusunu kullanarak çıkış üretir. Yapay zeka modelleri yüzleri algılamaz, bireylerin kimliklerini ve demografik özelliklerini bulmaz.
  • Yapay zeka modelleri bir vücut sınırlama kutusu tarafından bir veya daha çok insanın varlığını tanımlayan algoritmaları temel alarak video akışındaki hareketleri algılayıp izler. Kameranın kadrajındaki bir alanda algılanan her sınırlama kutusu hareketi için yapay zeka modelleri şunlar dahil olmak üzere olay verileri üretir: kişinin vücudunun sınırlama kutusu koordinatları, olay türü (ör. bölgeye giriş veya çıkış, yön çizgisi kesişimi), sınırlama kutusunu izlemeye yönelik sözde tanımlayıcı ve algılama güvenilirlik puanı. Bu olay verileri, kendi Azure IoT Hub örneğinize gönderilir.

Hazırsanız başlayabiliriz. Ücretsiz Azure hesabınızı hemen ayarlayalım.