Kép képaláírás (4.0-s verzió)

A Képelemzés 4.0 kép képaláírás a Felirat és a Sűrű feliratok funkcióval érhetők el.

A felirat egy mondatos leírást hoz létre az összes képtartalomhoz. A sűrű feliratok a teljes kép leírásán kívül a kép legfeljebb 10 régiójának egy mondatos leírásával nyújtanak részletesebb tájékoztatást. A sűrű feliratok a leírt képterületek határolókeret-koordinátáit is visszaadják. Mindkét funkció a legújabb, firenzei AI-alapú modelleket használja.

A kép képaláírás jelenleg csak angol nyelven érhető el.

Fontos

Az Image Analysis 4.0 rendszerkép-képaláírás csak az alábbi Azure-adatközpontokban érhető el: USA keleti régiója, Közép-Franciaország, Közép-Korea, Észak-Európa, Délkelet-Ázsia, Nyugat-Európa, USA nyugati régiója, Kelet-Ázsia. Az alábbi régiókban található Vision-erőforrást kell használnia az eredmények lekéréséhez a Felirat és a Sűrű feliratok funkcióból.

Ha ezeken a régiókon kívüli Vision-erőforrást kell használnia a rendszerkép-képaláírás létrehozásához, használja az Összes Azure AI Vision-régióban elérhető Image Analysis 3.2-t.

A Vision Studióval gyorsan és egyszerűen kipróbálhatja a kép képaláírás funkciókat a böngészőben.

A Vision Studio kipróbálása

Nem-semleges képaláírás

A feliratok alapértelmezés szerint nemi kifejezéseket ("férfi", "nő", "fiú" és "lány") tartalmaznak. Lehetősége van arra, hogy ezeket a kifejezéseket "személy" kifejezésre cserélje le az eredményekben, és megkapja a nemek közötti semleges képaláírás. Ezt úgy teheti meg, hogy a kérelem URL-címében beállítja a nemek közötti semleges képaláírástrue opcionális API-kérelemparamétert.

Feliratok és sűrű feliratok – példák

Felirat

Az alábbi JSON-válasz bemutatja, hogy az Analysis 4.0 API mit ad vissza a példakép vizuális funkciói alapján történő leírásához.

"captions": [
    {
        "text": "a man pointing at a screen",
        "confidence": 0.4891590476036072
    }
]

Sűrű feliratok

Az alábbi JSON-válasz bemutatja, hogy az Analysis 4.0 API mit ad vissza, amikor sűrű képaláírás hoz létre a példaképhez.

{
  "denseCaptionsResult": {
    "values": [
      {
        "text": "a man driving a tractor in a farm",
        "confidence": 0.535620927810669,
        "boundingBox": {
          "x": 0,
          "y": 0,
          "w": 850,
          "h": 567
        }
      },
      {
        "text": "a man driving a tractor in a field",
        "confidence": 0.5428450107574463,
        "boundingBox": {
          "x": 132,
          "y": 266,
          "w": 209,
          "h": 219
        }
      },
      {
        "text": "a blurry image of a tree",
        "confidence": 0.5139822363853455,
        "boundingBox": {
          "x": 147,
          "y": 126,
          "w": 76,
          "h": 131
        }
      },
      {
        "text": "a man riding a tractor",
        "confidence": 0.4799223840236664,
        "boundingBox": {
          "x": 206,
          "y": 264,
          "w": 64,
          "h": 97
        }
      },
      {
        "text": "a blue sky above a hill",
        "confidence": 0.35495415329933167,
        "boundingBox": {
          "x": 0,
          "y": 0,
          "w": 837,
          "h": 166
        }
      },
      {
        "text": "a tractor in a field",
        "confidence": 0.47338250279426575,
        "boundingBox": {
          "x": 0,
          "y": 243,
          "w": 838,
          "h": 311
        }
      }
    ]
  },
  "modelVersion": "2024-02-01",
  "metadata": {
    "width": 850,
    "height": 567
  }
}

Az API használata

Kép képaláírás

A kép képaláírás funkció az Analyze Image API része. Szerepeljen Caption a funkciók lekérdezési paraméterében. Ezután, amikor megkapja a teljes JSON-választ, elemezheti a szakasz tartalmához tartozó sztringet "captionResult" .

Sűrű képaláírás

A sűrű képaláírás funkció az Analyze Image API része. Szerepeljen denseCaptions a funkciók lekérdezési paraméterében. Ezután, amikor megkapja a teljes JSON-választ, elemezheti a szakasz tartalmához tartozó sztringet "denseCaptionsResult" .

Következő lépések

• Ismerje meg az objektumészlelés kapcsolódó fogalmát.
• Rövid útmutató: Képelemzési REST API vagy ügyfélkódtárak
• Az Analyze Image API meghívása