Deteksi objek Azure AI Video Indexer
Azure AI Video Indexer dapat mendeteksi objek dalam video. Wawasan adalah bagian dari preset video standar dan tingkat lanjut. Deteksi objek disertakan dalam wawasan yang merupakan hasil dari permintaan Unggah Video .
Catatan transparansi
Sebelum menggunakan deteksi objek, tinjau gambaran umum catatan transparansi.
Kunci dan definisi JSON
Kunci | Definisi |
---|---|
ID | Jumlah ID bertahas dari objek yang terdeteksi dalam file media |
Jenis | Jenis objek, misalnya, Mobil |
ThumbnailID | GUID yang mewakili satu deteksi objek |
displayName | Nama yang akan ditampilkan dalam pengalaman portal VI |
WikiDataID | Pengidentifikasi unik dalam struktur WikiData |
Instans | Daftar semua instans yang dilacak |
Keyakinan | Skor antara 0-1 menunjukkan keyakinan deteksi objek |
adjustedStart | waktu mulai video yang disesuaikan saat menggunakan editor |
adjustedEnd | waktu akhir video yang disesuaikan saat menggunakan editor |
mulai | waktu objek muncul dalam bingkai |
akhir | waktu objek tidak lagi muncul dalam bingkai |
Respons JSON
Objek terdeteksi dan terlacak
Objek yang terdeteksi dan terlacak muncul di bawah "Objek yang terdeteksi" dalam file insights.json yang diunduh. Setiap kali objek unik terdeteksi, objek tersebut diberi ID. Objek itu juga dilacak, yang berarti bahwa model mengawasi objek yang terdeteksi untuk kembali ke bingkai. Jika ya, instans lain ditambahkan ke instans untuk objek dengan waktu mulai dan akhir yang berbeda.
Dalam contoh ini, mobil pertama terdeteksi dan diberi ID 1 karena juga merupakan objek pertama yang terdeteksi. Kemudian, mobil yang berbeda terdeteksi dan mobil itu diberi ID 23 karena merupakan objek ke-23 yang terdeteksi. Kemudian, mobil pertama muncul lagi dan instans lain ditambahkan ke JSON. Berikut adalah JSON yang dihasilkan:
detectedObjects: [
{
id: 1,
type: "Car",
thumbnailId: "1c0b9fbb-6e05-42e3-96c1-abe2cd48t33",
displayName: "car",
wikiDataId: "Q1420",
instances: [
{
confidence: 0.468,
adjustedStart: "0:00:00",
adjustedEnd: "0:00:02.44",
start: "0:00:00",
end: "0:00:02.44"
},
{
confidence: 0.53,
adjustedStart: "0:03:00",
adjustedEnd: "0:00:03.55",
start: "0:03:00",
end: "0:00:03.55"
}
]
},
{
id: 23,
type: "Car",
thumbnailId: "1c0b9fbb-6e05-42e3-96c1-abe2cd48t34",
displayName: "car",
wikiDataId: "Q1420",
instances: [
{
confidence: 0.427,
adjustedStart: "0:00:00",
adjustedEnd: "0:00:14.24",
start: "0:00:00",
end: "0:00:14.24"
}
]
}
]
Objek yang didukung
- airplane
- apple
- Ransel
- pisang
- sarung tangan bisbol
- Menggunakan tempat tidur
- Bangku
- Sepeda
- Perahu
- book
- Botol
- Mangkuk
- Brokoli
- bus
- Kue
- car
- Wortel
- Ponsel
- Kursi
- Jam
- mouse komputer
- Sofa
- Cangkir
- meja makan
- donut
- hidran api
- fork
- frisbee
- pengering rambut
- Tas
- hot dog
- Keyboard
- Kite
- Pisau
- laptop
- Microwave
- Sepeda motor
- mouse komputer
- Dasi
- orange
- oven
- meter parkir
- pizza
- tanaman pot
- sandwich
- Gunting
- sink
- Skateboard
- Ski
- Snowboard
- Sendok
- bola olahraga
- hentikan tanda
- Koper
- papan selancar
- beruang teddy
- raket tenis
- pemanggang roti
- Toilet
- Sikat gigi
- lampu lalu lintas
- kereta api
- Payung
- Vas
- senjata, lihat Catatan kelas tertentu untuk kelas senjata
- gelas anggur
Batasan
- Ada hingga 20 deteksi per bingkai untuk pemrosesan standar dan tingkat lanjut dan 35 trek per kelas.
- Ukuran objek tidak boleh lebih besar dari 90 persen dari bingkai. Objek yang sangat besar yang secara konsisten mencakup sebagian besar bingkai mungkin tidak dikenali.
- Objek kecil atau buram bisa sulit dideteksi. Mereka dapat dilewatkan atau salah diklasifikasikan (gelas anggur, cangkir).
- Objek yang sementara dan muncul dalam sangat sedikit bingkai mungkin tidak dikenali.
- Faktor lain yang mungkin memengaruhi akurasi deteksi objek termasuk kondisi cahaya rendah, gerakan kamera, dan oklusi.
- Azure AI Video Indexer hanya mendukung objek dunia nyata. Tidak ada dukungan untuk animasi atau CGI. Grafik yang dihasilkan komputer (seperti stiker berita) mungkin menghasilkan hasil yang aneh.
- Lihat catatan kelas tertentu.
Catatan kelas tertentu
Materi tertulis terikat
Pengikat, brosur, dan bahan tertulis lainnya cenderung terdeteksi sebagai "buku."
Senjata
- Kelas senjata termasuk penampilan pistol tangan dan senapan.
- Tangan memegang benda gelap (sebagian besar, tetapi tidak terbatas pada objek kabur) mungkin bingung dengan senjata.
- Senjata dengan latar belakang yang sangat gelap bisa dilewatkan.
- Video berkualitas rendah (resolusi, kompresi, dll.) dapat memengaruhi kemampuan model untuk mengidentifikasi senjata.
- Objek mekanis (termasuk robot) dan mesin yang rumit terkadang dapat dideteksi sebagai senjata.
- Untuk tugas berorientasi pengenalan, trek yang difilter tersedia di bawah "filtered_tracks." Trek ini memiliki skor keyakinan keseluruhan yang lebih rendah dan tidak akan muncul di portal Azure AI Video Indexer.
Coba deteksi objek
Anda dapat mencoba deteksi objek dengan portal web atau dengan API.
Setelah video diunggah, Anda dapat melihat wawasan. Pada tab wawasan, Anda dapat melihat daftar objek yang terdeteksi dan instans utamanya.
Insights
Pilih tab Insight. Objek berada dalam urutan turun dari jumlah penampilan dalam video.
Garis Waktu
Pilih tab Garis Waktu.
Di bawah tab garis waktu, semua objek yang terdeteksi ditampilkan sesuai dengan waktu penampilan. Saat Anda mengarahkan mouse ke atas deteksi tertentu, itu menunjukkan persentase deteksi kepastian.
Pemutar
Pemutar secara otomatis menandai objek yang terdeteksi dengan kotak pembatas. Objek yang dipilih dari panel wawasan disorot dengan warna biru dengan jenis objek dan nomor seri juga ditampilkan.
Filter kotak pembatas di sekitar objek dengan memilih ikon kotak pembatas pada pemutar.
Kemudian, pilih atau batal pilih kotak centang objek yang terdeteksi.
Unduh wawasan dengan memilih Unduh lalu Wawasan (JSON).
Saran dan Komentar
https://aka.ms/ContentUserFeedback.
Segera hadir: Sepanjang tahun 2024 kami akan menghentikan penggunaan GitHub Issues sebagai mekanisme umpan balik untuk konten dan menggantinya dengan sistem umpan balik baru. Untuk mengetahui informasi selengkapnya, lihat:Kirim dan lihat umpan balik untuk