ドメイン固有のコンテンツの検出
タグ付けと高度なカテゴリ化に加えて、Azure AI Vision では、特殊なデータでトレーニング済みのモデルを使用した詳細なドメイン固有の解析もサポートされます。
ドメイン固有のモデルの使用方法には、それ自体による方法 (スコープ解析) と、画像の分類機能の拡張機能として使用する方法の 2 通りがあります。
スコープされた分析
選択したドメイン固有のモデルのみを使用してイメージを分析するには、Models/<model>/Analyze API を使用します。
特定のイメージについて、models/celebrities/analyze API で返される JSON 応答の例を次に示します。
{
"result": {
"celebrities": [{
"faceRectangle": {
"top": 391,
"left": 318,
"width": 184,
"height": 184
},
"name": "Satya Nadella",
"confidence": 0.99999856948852539
}]
},
"requestId": "8217262a-1a90-4498-a242-68376a4b956b",
"metadata": {
"width": 800,
"height": 1200,
"format": "Jpeg"
}
}
拡張カテゴリ化解析
ドメイン固有のモデルを使用して、一般的なイメージ解析を補足することもできます。 これは、Analyze API 呼び出しの details パラメーターにドメイン固有のモデルを指定して、大まかなカテゴリ化の一部として行います。
この場合、最初に 86 のカテゴリ分類の分類子が呼び出されます。 検出されたカテゴリのいずれかに、一致するドメイン固有のモデルがあった場合、イメージはそのモデルもパススルーし、結果が追加されます。
次の JSON 応答は、ドメイン固有の解析を detail ノードとしてより広範なカテゴリ化解析に含める方法を示しています。
"categories":[
{
"name":"abstract_",
"score":0.00390625
},
{
"name":"people_",
"score":0.83984375,
"detail":{
"celebrities":[
{
"name":"Satya Nadella",
"faceRectangle":{
"left":597,
"top":162,
"width":248,
"height":248
},
"confidence":0.999028444
}
],
"landmarks":[
{
"name":"Forbidden City",
"confidence":0.9978346
}
]
}
}
]
ドメイン固有のモデルの一覧
現在、Azure AI Vision では、次のドメイン固有モデルがサポートされています。
| 名前 | 説明 |
|---|---|
| celebrities | 著名人の認識、people_ カテゴリに分類された画像についてサポート |
| landmarks | ランドマークの認識、outdoor_ または building_ カテゴリに分類された画像についてサポート |
Models API を呼び出すと、各モデルを適用できるカテゴリと共に、この情報が返されます。
{
"models":[
{
"name":"celebrities",
"categories":[
"people_",
"人_",
"pessoas_",
"gente_"
]
},
{
"name":"landmarks",
"categories":[
"outdoor_",
"户外_",
"屋外_",
"aoarlivre_",
"alairelibre_",
"building_",
"建筑_",
"建物_",
"edifício_"
]
}
]
}
API の使用
この機能は、Analyze Image 3.2 API を介して使用できます。 ネイティブ SDK または REST を呼び出すことでこの API を呼び出すことができます。 details クエリ パラメーターに Celebrities または Landmarks を含めます。 その後、完全な JSON 応答が得られたら、"details" セクションのコンテンツを対象に文字列を解析します。