【微软 Azure 认知服务】零基础搭建微软 Azure AI 认知服务实验分享(中)

简介: 【微软 Azure 认知服务】零基础搭建微软 Azure AI 认知服务实验分享


(3)特征选择:Tags(标签)


csp-billing-usage: CognitiveServices.ComputerVision.Landmarks=1,CognitiveServices.ComputerVision.Tags=1,CognitiveServices.ComputerVision.Transaction=1
x-envoy-upstream-service-time: 8701
apim-request-id: 3e22d834-63f6-4a6f-9faa-550d6c5e8b69
Strict-Transport-Security: max-age=31536000; includeSubDomains; preload
x-content-type-options: nosniff
Date: Fri, 22 Oct 2021 16:44:33 GMT
Content-Length: 825
Content-Type: application/json; charset=utf-8
{
  "categories": [{
    "name": "建筑_街道",
    "score": 0.40234375,
    "detail": {
      "landmarks": []
    }
  }, {
    "name": "户外_",
    "score": 0.00390625,
    "detail": {
      "landmarks": []
    }
  }],
  "tags": [{
    "name": "天空",
    "confidence": 0.9999513626098633
  }, {
    "name": "户外",
    "confidence": 0.9900293350219727
  }, {
    "name": "草",
    "confidence": 0.9896734952926636
  }, {
    "name": "云",
    "confidence": 0.9334161281585693
  }, {
    "name": "摩天楼",
    "confidence": 0.8285492658615112
  }, {
    "name": "建筑",
    "confidence": 0.8191744089126587
  }, {
    "name": "运动场/游乐场",
    "confidence": 0.7252355217933655
  }, {
    "name": "运动",
    "confidence": 0.6510032415390015
  }, {
    "name": "树",
    "confidence": 0.5010823011398315
  }, {
    "name": "体育场",
    "confidence": 0.20338237285614014
  }, {
    "name": "天",
    "confidence": 0.11071398854255676
  }],
  "requestId": "3e22d834-63f6-4a6f-9faa-550d6c5e8b69",
  "metadata": {
    "height": 4224,
    "width": 5632,
    "format": "Jpeg"
  }
}



(4)特征选择:Color(颜色)


csp-billing-usage: CognitiveServices.ComputerVision.Color=1,CognitiveServices.ComputerVision.Landmarks=1,CognitiveServices.ComputerVision.Transaction=1
x-envoy-upstream-service-time: 3890
apim-request-id: 8e5edb4f-fa4e-4dba-a12e-990a8b903f0c
Strict-Transport-Security: max-age=31536000; includeSubDomains; preload
x-content-type-options: nosniff
Date: Fri, 22 Oct 2021 16:54:09 GMT
Content-Length: 420
Content-Type: application/json; charset=utf-8
{
  "categories": [{
    "name": "building_street",
    "score": 0.40234375,
    "detail": {
      "landmarks": []
    }
  }, {
    "name": "outdoor_",
    "score": 0.00390625,
    "detail": {
      "landmarks": []
    }
  }],
  "color": {
    "dominantColorForeground": "Brown",
    "dominantColorBackground": "White",
    "dominantColors": ["White"],
    "accentColor": "753830",
    "isBwImg": false,
    "isBWImg": false
  },
  "requestId": "8e5edb4f-fa4e-4dba-a12e-990a8b903f0c",
  "metadata": {
    "height": 4224,
    "width": 5632,
    "format": "Jpeg"
  }
}



通过上述测试,图像中的基本事物情况已被分析出来。


17、使用Postman调用HTTP请求


Request URL


https://picture-analysis.cognitiveservices.azure.cn/vision/v1.0/analyze?visualFeatures=Description&details=Landmarks&language=en


HTTP request


POST https://picture-analysis.cognitiveservices.azure.cn/vision/v1.0/analyze?visualFeatures=Color&details=Landmarks&language=en HTTP/1.1
Host: picture-analysis.cognitiveservices.azure.cn
Content-Type: application/json
Ocp-Apim-Subscription-Key: ••••••••••••••••••••••••••••••••
{"url":"https://i.loli.net/2021/10/23/qwEFXz163lh9duN.jpg"}





{
    "categories": [
        {
            "name": "建筑_街道",
            "score": 0.40234375,
            "detail": {
                "landmarks": []
            }
        },
        {
            "name": "户外_",
            "score": 0.00390625,
            "detail": {
                "landmarks": []
            }
        }
    ],
    "tags": [
        {
            "name": "天空",
            "confidence": 0.9999513626098633
        },
        {
            "name": "户外",
            "confidence": 0.9900293350219727
        },
        {
            "name": "草",
            "confidence": 0.9896734952926636
        },
        {
            "name": "云",
            "confidence": 0.9334161281585693
        },
        {
            "name": "摩天楼",
            "confidence": 0.8285492658615112
        },
        {
            "name": "建筑",
            "confidence": 0.8191744089126587
        },
        {
            "name": "运动场/游乐场",
            "confidence": 0.7252355217933655
        },
        {
            "name": "运动",
            "confidence": 0.6510032415390015
        },
        {
            "name": "树",
            "confidence": 0.5010823011398315
        },
        {
            "name": "体育场",
            "confidence": 0.20338237285614014
        },
        {
            "name": "天",
            "confidence": 0.11071398854255676
        }
    ],
    "description": {
        "tags": [
            "户外",
            "草",
            "城市",
            "大",
            "体育",
            "田地",
            "男人",
            "站",
            "球",
            "绿色",
            "播放器",
            "橙子",
            "公园",
            "阴天",
            "空气",
            "飞行",
            "轨道",
            "骑",
            "飞机",
            "水",
            "火车",
            "街道",
            "人们",
            "播放",
            "院子",
            "风筝",
            "蓝色",
            "巴士"
        ],
        "captions": [
            {
                "text": "城市的风景",
                "confidence": 0.6212207840873964
            }
        ]
    },
    "requestId": "d622f155-d1ff-48b0-8c83-d99efc3d737a",
    "metadata": {
        "height": 4224,
        "width": 5632,
        "format": "Jpeg"
    }
}


Ⅱ 人脸API


检测和识别图像中的人和情感。


什么是 Azure 人脸服务?


将面部识别嵌入应用中,以实现高度安全的无缝用户体验。不需要掌握机器学习专业知识。功能包括: 人脸检测,可感知图像中的人脸和特性; 人员识别,可以与最多包含 1,000,000 人的专用存储库中的个人进行匹配; 情感识别,可感知各种反应(如快乐、蔑视、中立和恐惧等); 以及对图像中的相似人脸进行识别和分组


参考链接:快速入门:使用人脸客户端库


1、创建人脸API。



2、填写基本信息。



3、点击“查看+创建”。



4、验证已通过,点击“创建”。



5、部署完成。点击“转到资源”。



6、查看face-api服务概述。



7、检测和分析人脸。


在线测试链接:[Face API - v1.0](Microsoft Cognitive Services (azure.cn))




[
    {
        "faceId": "e3aeb060-a895-4687-ace2-117223e4c045",
        "faceRectangle": {
            "top": 62,
            "left": 63,
            "width": 57,
            "height": 76
        }
    }
]
相关文章
|
18天前
|
机器学习/深度学习 人工智能 自然语言处理
Voice-Pro:开源AI音频处理工具,集成转录、翻译、TTS等一站式服务
Voice-Pro是一款开源的多功能音频处理工具,集成了语音转文字、文本转语音、实时翻译、YouTube视频下载和人声分离等多种功能。它支持超过100种语言,适用于教育、娱乐和商业等多个领域,为用户提供一站式的音频处理解决方案,极大地提高工作效率和音频处理的便捷性。
89 10
Voice-Pro:开源AI音频处理工具,集成转录、翻译、TTS等一站式服务
|
28天前
|
人工智能 Shell iOS开发
AI Shell:在命令行里“对话” AI ,微软推出将 AI 助手引入命令行的 CLI 工具,打造对话式交互命令行
AI Shell 是一款强大的 CLI 工具,将人工智能直接集成到命令行中,帮助用户提高生产力。AI Shell 支持多种 AI 模型和助手,通过多代理框架提供丰富的功能和灵活的使用模式。
92 7
|
2月前
|
人工智能 自然语言处理 数据可视化
阿里云AI大模型助力客户对话分析——全方位提升服务与体验
随着数字化转型的推进,企业愈发重视客户互动数据的价值。阿里云推出了一套基于AI大模型的客户对话分析解决方案,通过自动化手段分析大量客户对话数据,提取有价值信息,优化服务流程,提升客户体验。本文将结合技术文档和实际体验,全面评测这一解决方案。
100 2
|
2月前
|
人工智能 自然语言处理 搜索推荐
【通义】AI视界|微软Copilot Studio推出新功能,帮助企业更便捷地构建和部署AI代理
本文介绍了近期科技领域的五大重要动态:马斯克旗下xAI发布首个API,苹果内部研究显示ChatGPT比Siri准确率高25%,微软Copilot Studio推出新功能,霍尼韦尔与谷歌合作引入Gemini AI,浑水创始人建议买入科技七巨头股票。更多资讯请访问【通义】。
|
2月前
|
机器学习/深度学习 人工智能 算法
【通义】AI视界|若未来三年无法盈利,OpenAI或被微软收购!
本文精选了24小时内的重要科技新闻,包括苹果即将发布的全新智能家居战略、OpenAI若未来三年无法盈利或被微软收购的消息、Meta建议网友用AI生成极光照片引发争议,以及黄仁勋对马斯克的高度评价。登录通义官网了解更多功能。
|
2月前
|
人工智能 自然语言处理 自动驾驶
【通义】AI视界|微软和 OpenAI 将向媒体提供1000万美元资助,推动其使用AI工具
本文概览了近期科技领域的五大热点事件,包括微软与OpenAI联手资助媒体使用AI工具、OpenAI任命前白宫官员为首任首席经济学家、特斯拉FSD系统遭调查、英伟达市值逼近全球第一、以及AMD新一代锐龙9000X3D系列处理器即将上市的消息。更多资讯,请访问通义官网。
|
4天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术深度解析:从基础到应用的全面介绍
人工智能(AI)技术的迅猛发展,正在深刻改变着我们的生活和工作方式。从自然语言处理(NLP)到机器学习,从神经网络到大型语言模型(LLM),AI技术的每一次进步都带来了前所未有的机遇和挑战。本文将从背景、历史、业务场景、Python代码示例、流程图以及如何上手等多个方面,对AI技术中的关键组件进行深度解析,为读者呈现一个全面而深入的AI技术世界。
50 10
|
9天前
|
机器学习/深度学习 人工智能 自然语言处理
转载:【AI系统】AI的领域、场景与行业应用
本文概述了AI的历史、现状及发展趋势,探讨了AI在计算机视觉、自然语言处理、语音识别等领域的应用,以及在金融、医疗、教育、互联网等行业中的实践案例。随着技术进步,AI模型正从单一走向多样化,从小规模到大规模分布式训练,企业级AI系统设计面临更多挑战,同时也带来了新的研究与工程实践机遇。文中强调了AI基础设施的重要性,并鼓励读者深入了解AI系统的设计原则与研究方法,共同推动AI技术的发展。
转载:【AI系统】AI的领域、场景与行业应用
|
4天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的应用与挑战
【10月更文挑战第21天】 本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状与面临的挑战,旨在为读者提供一个全面的视角,了解AI如何改变传统医疗模式,以及这一变革过程中所伴随的技术、伦理和法律问题。通过分析AI技术的优势和局限性,本文旨在促进对AI在医疗领域应用的更深层次理解和讨论。
|
9天前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建
下一篇
DataWorks