Возможности понимания контента Azure в решениях для обработки изображений Foundry Tools

Azure Content Understanding стандартизирует извлечение данных из изображений, что упрощает анализ больших объемов неструктурированных данных изображения. Стандартизированное извлечение ускоряет достижение стоимости и упрощает интеграцию в последующие аналитические рабочие процессы. С помощью API распознавания содержимого можно определить схемы, чтобы указать поля, описания и типы выходных данных для извлечения. Затем служба анализирует изображения и предоставляет структурированные данные, которые могут применяться в различных вариантах использования, например:

  • Приложения для получения дополненного поколения (RAG): извлеките ключевые сведения из образов, чтобы создать надежный индекс, который обеспечивает взаимодействие с чатом с пользователем. Этот индекс позволяет пользователям задавать вопросы и получать точные ответы на основе содержимого изображений.

  • Финансовый анализ и бизнес-аналитика: анализ диаграмм производительности бизнеса и тенденций для создания отчетов в режиме реального времени, которые помогают аналитикам, менеджерам и руководителям принимать более обоснованные решения.

  • Управление качеством производства: автоматизация обнаружения дефектов и аномалий, таких как царапины, трещины или несоответствия, в производственных линиях и производственных средах.

  • Анализ полков и управление инвентаризацией: обнаружение, подсчет и извлечение конкретных сведений о розничных продуктах, оптимизации операций и повышении удовлетворенности клиентов путем обеспечения правильной организации продуктов.

Ключевые преимущества

Content Understanding предлагает несколько ключевых преимуществ для извлечения информации из изображений, в том числе,

  • Улучшенная удобство использования и структура данных. Предоставляя структурированные данные, понимание содержимого упрощает интеграцию с базами данных, электронными таблицами и системами, такими как управление отношениями клиентов (CRM) или средства планирования корпоративных ресурсов (ERP).

  • Улучшенная точность для конкретных вариантов использования: Content Understanding позволяет извлекать целевые данные, которые соответствуют вашим уникальным требованиям, помогая повысить точность модели, фокусируясь на наиболее важных точках данных.

  • Более быстрая и эффективная автоматизация. Извлечение только необходимых полей позволяет распознаванию содержимого упростить автоматизацию. Таким образом, организации могут эффективно масштабировать свои рабочие процессы обработки данных и уменьшать объем хранимых и обрабатываемых неуместных данных.

Снимок экрана: схема потока данных для обработки изображений в понимании содержимого.

Поля описания лиц

Примечание.

Эта функция ограничена доступом; клиентам необходимо запросить отключение размытия лиц для моделей Azure OpenAI с запросом на поддержку Azure. Дополнительные сведения об управлении запросом на поддержку Azure.

Возможность извлечения данных из полей может быть расширена для предоставления подробных описаний лиц на изображениях. Эта возможность включает такие атрибуты, как волосы лица, выражение лица и присутствие знаменитостей, которые могут быть важными для различных аналитических и индексирования целей. Чтобы включить возможности описания лиц, установите disableFaceBlurring : true в конфигурации анализатора.

Примеры:

  • Пример поля: facialHairDescription: Описывает тип волос лица (например, , beard, mustacheclean-shaven)
  • Пример поля: nameOfProminentPerson: Предоставляет имя, если возможно знаменитости в изображении (например, Satya Nadella)
  • Пример поля: faceSmilingFrowning: Предоставляет описание того, улыбается ли человек или хмурится

Начало работы

Начните работу с обработкой изображений с помощью функции "Понимание содержимого", выполнив краткое руководство по REST API или посетив Microsoft Foundry для работы без кода.

Примечание.

Анализаторы изображений не оптимизированы для сценариев, в которых анализ основан главным образом на извлеченном тексте. Если главной целью является извлечение и анализ текста из изображений, рекомендуется использовать схему извлечения полей документа.

Внимание

Если вы используете продукты или службы Майкрософт для обработки биометрических данных, вы несете ответственность за: (i) предоставление уведомления субъектам данных, в том числе в отношении периодов хранения и уничтожения; (ii) получение согласия от субъектов данных; и (iii) удаление биометрических данных, все в соответствии с соответствующими требованиями и обязательными в соответствии с применимыми требованиями к защите данных. Дополнительные сведения см. в разделе Data and Privacy for Face.

Связанный контент

  • Last updated on