¿Qué es Image Analysis?
El servicio Image Analysis de Computer Vision puede extraer una gran variedad de características visuales de sus imágenes. Por ejemplo, puede determinar si una imagen tiene contenido para adultos, buscar marcas u objetos específicos o buscar rostros humanos.
La versión más reciente de Image Analysis, 4.0, que ahora está en versión preliminar pública, tiene nuevas características como el OCR sincrónico y la detección de personas. Recomendamos utilizar esta versión en adelante.
Puede usar Image Analysis en la aplicación mediante el uso de un SDK de biblioteca cliente o invocar la API REST directamente. Siga el inicio rápido para comenzar.
O puede probar las funcionalidades de Image Analysis de forma rápida y sencilla en el explorador mediante Vision Studio.
Esta documentación contiene los siguientes tipos de artículos:
- Los inicios rápidos son instrucciones paso a paso que permiten realizar llamadas al servicio y obtener los resultados en un breve período de tiempo.
- Las guías paso a paso contienen instrucciones para usar el servicio de maneras más específicas o personalizadas.
- Los artículos conceptuales proporcionan explicaciones detalladas de la funcionalidad y las características del servicio.
- Los tutoriales son guías más largas que muestran cómo usar este servicio como componente en soluciones empresariales más amplias.
Para un enfoque más estructurado, siga un módulo de Training para Image Analysis.
Versiones de Image Analysis
Importante
Seleccione la versión de la API de Image Analysis que mejor se adapte a sus requisitos.
| Versión | Características disponibles | Recomendación |
|---|---|---|
| versión 4.0 | Leer texto, subtítulos, subtítulos densos, etiquetas, detección de objetos, clasificación de imágenes personalizadas/detección de objetos, personas, recorte inteligente | Mejores modelos; use la versión 4.0 si es compatible con su caso de uso. |
| versión 3.2 | Etiquetas, objetos, descripciones, marcas, caras, tipo de imagen, gama de colores, lugares emblemáticos, celebridades, contenido para adultos, recorte inteligente | Gama de características más amplia; use la versión 3.2 si su caso de uso aún no es compatible con la versión 4.0 |
Se recomienda usar la API de Image Analysis 4.0 si es compatible con su caso de uso. Use la versión 3.2 si su caso de uso aún no es compatible con la versión 4.0.
También deberá usar la versión 3.2 si quiere realizar el subtitulado de imágenes y el recurso de Azure Computer Vision está fuera de estas regiones de Azure: Este de EE. UU., Centro de Francia, Centro de Corea del Sur, Norte de Europa, Sudeste Asiático, Oeste de Europa y Oeste de EE. UU. La función de subtitulado de imágenes de Image Analysis 4.0 solo es compatible en estas regiones de Azure. El subtitulado de imágenes de la versión 3.2 está disponible en todas las regiones de Computer Vision.
Analyze Image
Puede analizar imágenes para detectar y proporcionar información detallada acerca de las características y funciones visuales. Todas las características de la lista siguiente se proporcionan gracias a la API Analyze Image. Siga un inicio rápido para comenzar.
| Nombre | Descripción | Página Concepto |
|---|---|---|
| Personalización de modelos (solo en la versión preliminar v4.0) | Puede crear y entrenar modelos personalizados para realizar la clasificación de imágenes o la detección de objetos. Traiga sus propias imágenes, etiquételas con etiquetas personalizadas e Image Analysis entrenará un modelo personalizado para su caso de uso. | Personalización de modelos |
| Lectura de texto de imágenes (solo en la versión preliminar v4.0) | La versión preliminar 4.0 de Image Analysis ofrece la posibilidad de extraer texto legible de imágenes. En comparación con la API de lectura asincrónica Computer Vision 3.2, la nueva versión ofrece el conocido motor Read OCR en una API sincrónica unificada de rendimiento mejorado que facilita la obtención de OCR junto con otras conclusiones en una sola llamada API. | OCR para imágenes |
| Detección de personas en imágenes (solo en la versión preliminar v4.0) | La versión preliminar 4.0 de Image Analysis ofrece la capacidad de detectar personas que aparecen en imágenes. Se devuelven las coordenadas del rectángulo delimitador de cada persona detectada, junto con una puntuación de confianza. | Detección de personas |
| Subtitulado de imágenes | Genere una descripción de una imagen en lenguaje legible por cualquier persona, con frases completas. Los algoritmos de Computer Vision generan varios subtítulos en función de los objetos identificados en la imagen. El modelo de subtitulado de imágenes de la versión 4.0 es una implementación más avanzada y funciona con una gama más amplia de imágenes de entrada. Solo está disponible en las siguientes regiones geográficas: Este de EE. UU., Centro de Francia, Centro de Corea del Sur, Norte de Europa, Sudeste Asiático, Oeste de Europa, Oeste de EE. UU. La versión 4.0 también permite usar descripción densa, que genera subtítulos detallados para objetos individuales que se encuentran en la imagen. La API devuelve las coordenadas del rectángulo delimitador (en píxeles) de cada objeto que se encuentra en la imagen, además de un título. Puede usar esta funcionalidad para generar descripciones de partes independientes de una imagen. 
|
Generación de subtitulado de imágenes (v3.2) (versión preliminar v4.0) |
| Detección de objetos | La detección de objetos es similar al etiquetado, pero la API devuelve las coordenadas del rectángulo delimitador para cada etiqueta aplicada. Por ejemplo, si una imagen contiene un perro, un gato y una persona, la operación de detección mostrará estos objetos junto con sus coordenadas en la imagen. Puede usar esta funcionalidad para procesar más las relaciones entre los objetos de una imagen. También permite saber cuando hay varias instancias de la misma etiqueta en una imagen. 
|
Detección de objetos (v3.2) (versión preliminar v4.0) |
| Etiquetar características visuales | Identifique y etiquete las características visuales de una imagen a partir de un conjunto de miles de objetos, seres vivos, paisajes y acciones reconocibles. Cuando las etiquetas son ambiguas o no muy comunes, la respuesta de la API contiene “indicaciones” para aclarar el contexto de la etiqueta. El etiquetado no se limita al sujeto principal, como una persona en primer plano, sino que también incluye el entorno (interior o exterior), muebles, herramientas, plantas, animales, accesorios, gadgets, etc.
|
Etiquetado de características visuales (v3.2) (versión preliminar v4.0) |
| Obtención del área de interés/recorte inteligente | Analice el contenido de una imagen para devolver las coordenadas del área de interés que coincida con una relación de aspecto especificada. Computer Vision devuelve las coordenadas del rectángulo delimitador de la región, por lo que la aplicación que realiza la llamada puede modificar la imagen original según sea necesario. El modelo de recorte inteligente de la versión 4.0 es una implementación más avanzada y funciona con una gama más amplia de imágenes de entrada. Solo está disponible en las siguientes regiones geográficas: Este de EE. UU., Centro de Francia, Centro de Corea del Sur, Norte de Europa, Sudeste Asiático, Oeste de Europa, Oeste de EE. UU. |
Generación de miniaturas (v3.2) (versión preliminar v4.0) |
| Detección de marcas (solo v3.2) | Identifique las marcas comerciales en imágenes o vídeos desde una base de datos de miles de logotipos globales. Puede usar esta característica, por ejemplo, para detectar qué marcas son más populares en medios sociales o más frecuentes en la ubicación de los productos multimedia. | Detección de marcas |
| Clasificación de imágenes (solo v3.2) | Identifique y clasifique toda una imagen mediante una taxonomía de categoría con jerarquías hereditarias de elementos primarios y secundarios. Las categorías se pueden usar solas o con nuestros nuevos modelos de etiquetado. Actualmente, el inglés es el único idioma que se admite para etiquetar y clasificar imágenes. |
Clasificar una imagen |
| Detección de caras (solo v3.2) | Detecte caras en una imagen y proporcione información acerca de ellas. Computer Vision devuelve las coordenadas, el rectángulo, el género y la edad de los rostros que detecta. También puede usar la instancia de Face API dedicada para estos fines. Esta API proporciona un análisis más detallado, como la identificación facial y la detección de poses. |
Detección de caras |
| Detección de tipos de imagen (solo v3.2) | Detecte las características de una imagen, como por ejemplo, si una imagen es un dibujo lineal o la probabilidad de que sea una imagen prediseñada. | Detectar tipos de imagen |
| Detección de contenido específico del dominio (solo v3.2) | Use los modelos de dominio para detectar e identificar el contenido específico del dominio en una imagen, como celebridades y monumentos. Por ejemplo, si una imagen contiene personas, Computer Vision puede usar un modelo de dominio para celebridades para determinar si las personas que se han detectado en la imagen son famosos conocidos. | Detectar contenido específico del dominio |
| Detección de la combinación de colores (solo v3.2) | Analice el uso del color en una imagen. Computer Vision puede determinar si una imagen está en blanco & negro o en color, y en las imágenes de color, identificar los colores dominantes y de énfasis. | Detectar la combinación de colores |
| Moderación del contenido de las imágenes (solo v3.2) | Puede usar Computer Vision para detectar contenido para adultos en una imagen y devolver puntuaciones de confianza en las distintas clasificaciones. El umbral para el etiquetado de contenido se puede establecer en una escala deslizante, con el fin de que pueda ajustarlo a sus preferencias. | Detección de contenido para adultos |
Product Recognition (solo versión preliminar v4.0)
Las API de Product Recognition permiten analizar fotos de estantes de una tienda. Puede detectar la presencia o ausencia de productos y obtener las coordenadas del rectángulo delimitador. Úselo en combinación con la personalización del modelo para entrenar un modelo para identificar los productos específicos. También puede comparar los resultados de Product Recognition con el documento de planograma de la tienda.
Recuperación de imágenes (solo v4.0 preliminar)
Las API de recuperación de imágenes permiten la vectorización de imágenes y consultas de texto. Convierten imágenes en coordenadas en un espacio vectorial multidimensional. A continuación, las consultas de texto entrantes también se pueden convertir en vectores y las imágenes se pueden comparar con el texto en función de la proximidad semántica. Esto permite al usuario buscar en un conjunto de imágenes mediante texto, sin necesidad de usar etiquetas de imagen u otros metadatos. La proximidad semántica suele producir mejores resultados en la búsqueda.
Estas API solo están disponibles en las siguientes regiones geográficas: Este de EE. UU., Centro de Francia, Centro de Corea del Sur, Norte de Europa, Sudeste Asiático, Oeste de Europa, Oeste de EE. UU.
Eliminación del fondo (solo v4.0 preliminar)
Image Analysis 4.0 (versión preliminar) ofrece la posibilidad de quitar el fondo de una imagen. Esta característica puede generar una imagen del objeto en primer plano detectado con un fondo transparente o una imagen alfa mate de escala de grises que muestra la opacidad del objeto de primer plano detectado. Eliminación del fondo
| Imagen original | Con fondo quitado | Alfa mate |
|---|
|
|
|
Requisitos de imagen
Image Analysis funciona con imágenes que cumplen los requisitos siguientes:
- La imagen debe presentarse en formato JPEG, PNG, GIF, BMP, WEBP, ICO, TIFF o MPO.
- El tamaño de archivo de la imagen debe ser inferior a 20 megabytes (MB).
- Las dimensiones de la imagen deben estar entre 50 x 50 píxeles y 16 000 x 16 000 píxeles
Seguridad y privacidad de datos
Al igual que sucede con todas las instancias de Cognitive Services, los desarrolladores que usan el servicio Computer Vision deben estar al tanto de las directivas de Microsoft sobre los datos de clientes. Para más información, consulte la página de Cognitive Services en Microsoft Trust Center.
Pasos siguientes
Para empezar a usar Image Analysis, siga la guía de inicio rápido del lenguaje de desarrollo que prefiera: