重要
Azure AI Content Understanding では、イメージからのデータの抽出を標準化することで、大量の非構造化データの分析が容易になります。 標準化された抽出により、価値実現までの時間が短縮され、ダウンストリーム分析ワークフローへの統合が簡略化されます。 Content Understanding API を使用すると、抽出するフィールド、説明、出力の種類を指定するスキーマを定義できます。 続いて、このサービスでは画像の分析が行われ、構造化データが提供されます。このデータは、次のようなさまざまなユース ケースで適用できます。
取得拡張生成 (RAG) アプリケーション: イメージから重要な詳細を抽出して、ユーザー向けのチャット エクスペリエンスを強化する堅牢なインデックスを構築します。 このインデックスを使用することで、ユーザーはイメージの内容に基づいて質問し、適切な回答を受け取ることができます。
財務分析とビジネス インテリジェンス: ビジネス パフォーマンス チャートと傾向を分析して、アナリスト、マネージャー、エグゼクティブがより迅速で情報に基づいた意思決定を行うのに役立つリアルタイム レポートを生成します。
製造品質管理: 生産ラインや製造環境における傷、亀裂、ミスアラインメントなどの欠陥や異常の検出を自動化します。
棚分析と在庫管理: 小売製品に関する特定の詳細について、検出、カウント、抽出を行います。これにより、運営を最適化すると共に、製品の在庫が十分にあり、適切な整理が行われるようにすることで、顧客満足度を向上させます。
主な利点
Content Understanding には、イメージから情報を抽出するための主要な利点として、次のようなものがあります。
強化されたデータの使いやすさと構造: 構造化されたデータを提供することで、Content Understanding では、データベース、スプレッドシート、およびカスタマー リレーションシップ マネジメント (CRM) ツールや エンタープライズ リソース プラニング (ERP) ツールなどのシステムとの統合が簡素化されます。
特定のユース ケースの精度の向上: Content Understanding を使用することで、固有の要件に直接合わせた対象データ抽出が可能になり、最も重要なデータ ポイントに焦点を当てることでモデルの精度を向上させることができます。
迅速かつコスト効率の高い自動化: 必要なフィールドのみを抽出することで、Content Understanding を使用して効率的な自動化を実現できます。 こうした利点によって、組織はデータ処理ワークフローを効率的にスケーリングし、無関係なデータのストレージと処理を減らすことができます。
始めましょう
Content Understanding で画像処理を始めるには、REST API のクイックスタートを利用するか、Azure AI Foundry にアクセスしてコードなしの体験をご利用ください。
注
画像アナライザーは、現在、分析が主に抽出されたテキストに基づくシナリオには最適化されていません。 画像からテキストを抽出して分析することが主な目的である場合は、代わりにドキュメント フィールド抽出スキーマを使用することを検討してください。
重要
Microsoft 製品またはサービスを使用して生体認証データを処理する場合は、お客様の責任において、次のことを行っていただく必要があります: (i) 保有期間や破棄に関するものを含め、データ主体に通知する、(ii) データ主体から同意を得る、(iii) 生体認証データを削除する (該当するデータ保護要件に基づき、必要に応じてすべて)。 "生体認証データ"' は、GDPR の第 4 条に規定されている意味を持ち、該当する場合は、他のデータ保護要件における同義語となります。 関連情報については、「Face のデータとプライバシー」を参照してください。
次のステップ
- スキーマ設計のヒントなど、Content Understanding の実装の最適化に関するガイダンスについては、詳細な ベスト プラクティス ガイドを参照してください。
- サポートされている入力イメージ形式の詳細については、「サービスのクォータと制限」を参照してください。
- コード サンプルを確認するには、アナライザー テンプレートを参照してください。
- 信頼とセキュリティの詳細については、「データ、保護、プライバシー ポリシー」を参照してください。