ابزار Microsoft Cognitive Computer Vision

  شکل1

خروجی JSON

[

      {

         "name":"grass",

         "confidence":0.999999761581421

      },

      {

         "name":"outdoor",

         "confidence":0.999970674514771

      },

      {

         "name":"sky",

         "confidence":999289751052856

      },

      {

         "name":"building",

         "confidence":0.996463239192963

      },

      {

         "name":"house",

         "confidence":0.992798030376434

      },

      {

         "name":"lawn",

         "confidence":0.822680294513702

      },

      {

         "name":"green",

         "confidence":0.641222536563873

      },

      {

         "name":"residential",

         "confidence":0.314032256603241

      }

]

2- طبقه بندی تصاویر

این API امکان طبقه بندی تصاور را نیز فراهم می کند. طبقه بندی ساخته شده شامل 86 مفهوم بوده که بصورت سلسله مراتب Parent-Child می باشد. (لیست طبقه بندی ها) برای مثال یک نمونه از طبقه بندی های مشخص شده در شکل 2 قابل مشاهده است.

 شکل2 طبقه بندی food_bread

3- امکان تشخیص تصاویر طبیعی از مصنوعی

این امکان نیز وجود دارد که بتوان تصاویر واقعی عکاسی شده را از تصاویر مصنوعی که با نرم افزار های مختلف تولید شده است، را به اندازه قابل قبولی تشخیص داد. خروجی ارائه شده برای تصاویر مختلف بصورت زیر می باشد.

مقدار معنی

0 تصویر طبیعی

1 عدم تشخیص نوع تصویر

2 تصویر مصنوعی با کیفیت مصنوعی

3  تصویر مصنوعی با کیفیت خوب

4- تشخیص چهره

یکی دیگر از امکانات این API استخراج اطلاعات افراد از قبیل سن تقریبی، ژست فرد و... از روی تصویر می باشد که در قالب JSON ارائه می شود. شکل3 یک نمونه از این قابلیت را نشان می دهد.

شکل3، تشخیص چهره افراد از طریق چهره

خروجی JSON

[

  {

    "age": 11,

    "gender": "Male",

    "faceRectangle": {

      "left": 113,

      "top": 314,

      "width": 222,

      "height": 222

    }

  },

  {

    "age": 11,

    "gender": "Female",

    "faceRectangle": {

      "left": 1200,

      "top": 632,

      "width": 215,

      "height": 215

    }

  },

  {

    "age": 41,

    "gender": "Male",

    "faceRectangle": {

      "left": 514,

      "top": 223,

      "width": 205,

      "height": 205

    }

  },

  {

    "age": 37,

    "gender": "Female",

    "faceRectangle": {

      "left": 1008,

      "top": 277,

      "width": 201,

      "height": 201

    }

  }

]

5- توضیحات تصویر

در خروجی JSON ارائه شده می توان توضیحاتی در رابطه با تصویر نیز فراهم کرد. این توضیحات بصورت خلاصه شده بوده و همراه با ضریب اطمینان ارائه می شود. شکل 4 و خروجی JSON آن بیان کننده این موضوع می باشد. 

شکل4

خروجی JSON

'description':{

   "captions":[

      {

         "type":"phrase",

         'text':'a black and white photo of a large city',

         'confidence':0.607638706850331

      }

   ]  

   "captions":[

      {

         "type":"phrase",

         'text':'a photo of a large city',

         'confidence':0.577256764264197

      }

   ]  

   "captions":[

      {

         "type":"phrase",

         'text':'a black and white photo of a city',

         'confidence':0.538493271791207

      }

   ]  

   'description':[

      "tags":{

         "outdoor",

         "city",

         "building",

         "photo",

         "large",

      }

   ]

}

6- OCR و تشخیص دست نوشته

این API بخوبی قابلیت OCR را برای 25 زبان پشتیبانی می کند(در زمان نگارش این مطلب زبان فارسی پشتیبانی نمی شود) و همچنین قابلیت تشخیص دست نوشته ها را در مطالب و تصاویر نیز فراهم می سازد. 

7- نحوه استفاده از این API

برای استفاده از این API ابتدا باید یک کلید از Microsoft Cognitive Service دریافت نمایید که این سرویس یکی از سرویس های موجود در Microsoft Azure می باشد. سپس کلید دریافتی و آدرس تصویر را از طریق آدرس URL به سروس ارسال کرده و خروجی JSON را دریافت نمایید. برای مثال یک نمونه آدرس در خواستی برای استخراج اطلاعات تصویر بصورت زیر می باشد.(اطلاعات کامل پیاده سازی این ابزار را در آدرس مشاهده نمایید)

 

https://westus.api.cognitive.microsoft.com/vision/v1.0/analyze?visualFeatures=Categories&language=en HTTP/1.1

Content-Type: application/json

Host: westus.api.cognitive.microsoft.com

Ocp-Apim-Subscription-Key: [Valid Key]

{"url":"Media URL Address"}