Polc termékfelismerése (előzetes verzió): Polcrendszerképek elemzése előre betanított modellel

A Termékfelismerés használatának leggyorsabb módja a beépített előre betanított AI-modellek használata. A Product Understanding API-val feltölthet egy polcrendszerképet, és lekérheti a termékek és hiányosságok helyét.

Feljegyzés

A képeken látható márkák nem kapcsolódnak a Microsofthoz, és nem jelzik a Microsoft- vagy Microsoft-termékek márkatulajdonosok általi jóváhagyásának semmilyen formáját, illetve a márkatulajdonosok vagy termékeik Microsoft általi jóváhagyását.

Előfeltételek

• Azure-előfizetés – Ingyenes létrehozás
• Miután megkapta az Azure-előfizetését, hozzon létre egy Vision-erőforrást az Azure Portalon. Az USA keleti régiójában vagy az USA 2. nyugati régiójában kell üzembe helyezni. Az üzembe helyezés után válassza az Ugrás az erőforrásra lehetőséget.
  • Az alkalmazás Azure AI Vision szolgáltatáshoz való csatlakoztatásához szüksége lesz a létrehozott erőforrás kulcsára és végpontjára. Az útmutató későbbi részében beillesztheti a kulcsot és a végpontot az alábbi kódba.
• Egy Azure Storage-erőforrás blobtárolóval. Hozzon létre egyet
• a cURL telepítve van. Másik REST-platformot is használhat, például a Swaggert vagy a VS Code REST-ügyfélbővítményét .
• Egy polc képe. Letöltheti a mintaképet, vagy saját képeket hozhat. A maximális fájlméret képenként 20 MB.

Polcképek elemzése

Egy polcrendszerkép elemzéséhez hajtsa végre a következő lépéseket:

1. Töltse fel az elemezni kívánt képeket a blobtárolóba, és szerezze be az abszolút URL-címet.

2. Másolja a következő curl parancsot egy szövegszerkesztőbe.

   curl -X PUT -H "Ocp-Apim-Subscription-Key: <subscriptionKey>" -H "Content-Type: application/json" "<endpoint>/computervision/productrecognition/ms-pretrained-product-detection/runs/<your_run_name>?api-version=2023-04-01-preview" -d "{
       'url':'<your_url_string>'
   }"
   

3. Hajtsa végre a következő módosításokat a parancs megfelelő területein:

   1. Cserélje le a <subscriptionKey> Vision erőforráskulcsát.
   2. Cserélje le a <endpoint> Vision-erőforrásvégpontra. Például: https://YourResourceName.cognitiveservices.azure.com
   3. Cserélje le a <your_run_name> feladatsor egyedi tesztfuttatási nevére. Ez egy aszinkron API-feladatsor neve, amely később lekérheti az API-választ. Például: .../runs/test1?api-version...
   4. Cserélje le a <your_url_string> tartalmat a kép blob URL-címére

4. Nyisson meg egy parancsablakot.

5. Illessze be a szerkesztett curl parancsot a szövegszerkesztőből a parancssori ablakba, majd futtassa a parancsot.

A válasz vizsgálata

A rendszer JSON formátumban adja vissza a sikeres választ. A termékértelmező API-eredmények egy ProductUnderstandingResultApiModel JSON-mezőben jelennek meg:

{
  "imageMetadata": {
    "width": 2000,
    "height": 1500
  },
  "products": [
    {
      "id": "string",
      "boundingBox": {
        "x": 1234,
        "y": 1234,
        "w": 12,
        "h": 12
      },
      "classifications": [
        {
          "confidence": 0.9,
          "label": "string"
        }
      ]
    }
  ],
  "gaps": [
    {
      "id": "string",
      "boundingBox": {
        "x": 1234,
        "y": 1234,
        "w": 123,
        "h": 123
      },
      "classifications": [
        {
          "confidence": 0.8,
          "label": "string"
        }
      ]
    }
  ]
}

Az egyes JSON-mezők definícióit a következő szakaszokban találja.

Product Understanding Result API-modell

A termékértelmezési művelet eredményei.

Név	Típus	Leírás	Kötelező
imageMetadata	ImageMetadataApiModel	A kép metaadatai, például magasság, szélesség és formátum.	Igen
products	DetectedObjectApiModel	A képen észlelt termékek.	Igen
gaps	DetectedObjectApiModel	A képen észlelt rések.	Igen

Image Metadata API-modell

A kép metaadatai, például magasság, szélesség és formátum.

Név	Típus	Leírás	Kötelező
width	egész szám	A kép szélessége képpontban.	Igen
height	egész szám	A kép magassága képpontban.	Igen

Észlelt objektum API-modell

Egy kép észlelt objektumát ismerteti.

Név	Típus	Leírás	Kötelező
id	húr	Az észlelt objektum azonosítója.	Nem
boundingBox	BoundingBoxApiModel	Határolókeret egy képen belüli területhez.	Igen
classifications	ImageClassificationApiModel	Az észlelt objektum besorolási megbízhatóságai.	Igen

Bounding Box API-modell

Határolókeret egy képen belüli területhez.

Név	Típus	Leírás	Kötelező
x	egész szám	A terület bal felső pontjának bal koordinátája képpontban.	Igen
y	egész szám	A terület bal felső pontjának felső koordinátája képpontban.	Igen
w	egész szám	A terület bal felső pontjától mért szélesség képpontban.	Igen
h	egész szám	A terület bal felső pontjától mért magasság képpontban.	Igen

Képbesorolási API-modell

Egy címke képbesorolási megbízhatóságát ismerteti.

Név	Típus	Leírás	Kötelező
confidence	float	A besorolási előrejelzés megbízhatósága.	Igen
label	húr	A besorolási előrejelzés címkéje.	Igen

Következő lépések

Ebben az útmutatóban megtanulta, hogyan kezdeményezhet alapszintű elemzési hívást az előre betanított Product Understanding REST API használatával. Következő lépésként megtudhatja, hogyan használhat egyéni termékfelismerési modellt az üzleti igények jobb kielégítése érdekében.

Egyéni modell betanítása a termékfelismeréshez

• Képelemzés áttekintése
• API-referencia