Aracılığıyla paylaş

Hızlı Başlangıç: Görüntü Analizi

  • Makale

Temel bir görüntü etiketleme betiği ayarlamak için Görüntü Analizi REST API'sini veya istemci kitaplıklarını kullanmaya başlayın. Görüntü Analizi hizmeti, görüntüleri işlemeye ve görsel özellikleriyle ilgili bilgileri döndürmeye yönelik yapay zeka algoritmaları sağlar. Uygulamanıza paket yüklemek ve örnek kodu denemek için bu adımları izleyin.

C# için Görüntü Analizi istemci kitaplığını kullanarak bir görüntüyü içerik etiketleri için analiz edin. Bu hızlı başlangıç, AnalyzeImageUrluzak görüntüyü analiz etmek ve sonuçları yazdırmak için istemci nesnesini kullanan bir yöntemi tanımlar.

Başvuru belgeleri | Kitaplık kaynak kodu | Paketi (NuGet)Örnekleri |

İpucu

Yerel bir görüntüyü de analiz edebilirsiniz. Bkz. AnalyzeImageInStreamAsync gibi ComputerVisionClient yöntemleri. Alternatif olarak, yerel görüntüleri içeren senaryolar için GitHub'da örnek koda bakın.

İpucu

Çözümle API'si, görüntü etiketleri oluşturma dışında birçok farklı işlem gerçekleştirebilir. Tüm kullanılabilir özellikleri gösteren örnekler için Görüntü Analizi nasıl yapılır kılavuzuna bakın.

Önkoşullar

Ortam değişkenlerini oluşturma

Bu örnekte, kimlik bilgilerinizi uygulamayı çalıştıran yerel makinedeki ortam değişkenlerine yazın.

Azure portalına gidin. Önkoşullar bölümünde oluşturduğunuz kaynak başarıyla dağıtıldıysa, Sonraki Adımlar'ın altında Kaynağa git'i seçin. Anahtarınızı ve uç noktanızı Anahtarlar ve Uç Nokta sayfasındaki Kaynak Yönetimi'nin altında bulabilirsiniz. Kaynak anahtarınız Azure abonelik kimliğiniz ile aynı değildir.

İpucu

Anahtarı doğrudan kodunuz içinde eklemeyin ve asla herkese açık olarak göndermeyin. Azure Key Vault gibi daha fazla kimlik doğrulama seçeneği için Azure AI hizmetleri güvenlik makalesine bakın.

Anahtarınızın ve uç noktanızın ortam değişkenini ayarlamak için bir konsol penceresi açın ve işletim sisteminiz ve geliştirme ortamınıza yönelik yönergeleri izleyin.

  1. Ortam değişkenini VISION_KEY ayarlamak için değerini kaynağınızın anahtarlarından biriyle değiştirin your-key .
  2. Ortam değişkenini VISION_ENDPOINT ayarlamak için değerini kaynağınızın uç noktasıyla değiştirin your-endpoint .
setx VISION_KEY <your_key>

setx VISION_ENDPOINT <your_endpoint>

Ortam değişkenlerini ekledikten sonra, konsol penceresi de dahil olmak üzere ortam değişkenlerini okuyacak tüm çalışan programları yeniden başlatmanız gerekebilir.

Görüntü analizi

  1. Yeni bir C# uygulaması oluşturun.

    Visual Studio'yu kullanarak yeni bir .NET Core uygulaması oluşturun.

    İstemci kitaplığını yükleme

    Yeni bir proje oluşturduktan sonra, Çözüm Gezgini proje çözümüne sağ tıklayıp NuGet Paketlerini Yönet'i seçerek istemci kitaplığını yükleyin. Açılan paket yöneticisinde Gözat’ı seçip Ön sürümü dahil et seçeneğini işaretleyin ve Microsoft.Azure.CognitiveServices.Vision.ComputerVision için arama yapın. Sürüm olarak 7.0.0 seçin ve Yükle seçeneğini belirleyin.

  2. Proje dizininden Program.cs dosyasını tercih ettiğiniz düzenleyicide veya IDE'de açın. Aşağıdaki kodu yapıştırın:

    using System;
using System.Collections.Generic;
using Microsoft.Azure.CognitiveServices.Vision.ComputerVision;
using Microsoft.Azure.CognitiveServices.Vision.ComputerVision.Models;
using System.Threading.Tasks;
using System.IO;
using Newtonsoft.Json;
using Newtonsoft.Json.Linq;
using System.Threading;
using System.Linq;

namespace ComputerVisionQuickstart
{
    class Program
    {
        // Add your Computer Vision key and endpoint
        static string key = Environment.GetEnvironmentVariable("VISION_KEY");
        static string endpoint = Environment.GetEnvironmentVariable("VISION_ENDPOINT");

        // URL image used for analyzing an image (image of puppy)
        private const string ANALYZE_URL_IMAGE = "https://moderatorsampleimages.blob.core.windows.net/samples/sample16.png";

        static void Main(string[] args)
        {
            Console.WriteLine("Azure Cognitive Services Computer Vision - .NET quickstart example");
            Console.WriteLine();

            // Create a client
            ComputerVisionClient client = Authenticate(endpoint, key);

            // Analyze an image to get features and other properties.
            AnalyzeImageUrl(client, ANALYZE_URL_IMAGE).Wait();
        }

        /*
         * AUTHENTICATE
         * Creates a Computer Vision client used by each example.
         */
        public static ComputerVisionClient Authenticate(string endpoint, string key)
        {
            ComputerVisionClient client =
              new ComputerVisionClient(new ApiKeyServiceClientCredentials(key))
              { Endpoint = endpoint };
            return client;
        }
       
        public static async Task AnalyzeImageUrl(ComputerVisionClient client, string imageUrl)
        {
            Console.WriteLine("----------------------------------------------------------");
            Console.WriteLine("ANALYZE IMAGE - URL");
            Console.WriteLine();

            // Creating a list that defines the features to be extracted from the image. 

            List<VisualFeatureTypes?> features = new List<VisualFeatureTypes?>()
            {
                VisualFeatureTypes.Tags
            };

            Console.WriteLine($"Analyzing the image {Path.GetFileName(imageUrl)}...");
            Console.WriteLine();
            // Analyze the URL image 
            ImageAnalysis results = await client.AnalyzeImageAsync(imageUrl, visualFeatures: features);

            // Image tags and their confidence score
            Console.WriteLine("Tags:");
            foreach (var tag in results.Tags)
            {
                Console.WriteLine($"{tag.Name} {tag.Confidence}");
            }
            Console.WriteLine();
        }
    }
}

    Önemli

    İşiniz bittiğinde anahtarı kodunuzdan kaldırmayı unutmayın ve asla herkese açık olarak göndermeyin. Üretim için Azure Key Vault gibi kimlik bilgilerinizi depolamanın ve bunlara erişmenin güvenli bir yolunu kullanın. Daha fazla bilgi için Azure AI hizmetleri güvenlik makalesine bakın.

  3. Uygulamayı çalıştırma

    IDE penceresinin üst kısmındaki Hata Ayıkla düğmesine tıklayarak uygulamayı çalıştırın.

Çıktı

----------------------------------------------------------
ANALYZE IMAGE - URL

Analyzing the image sample16.png...

Tags:
grass 0.9957543611526489
dog 0.9939157962799072
mammal 0.9928356409072876
animal 0.9918001890182495
dog breed 0.9890419244766235
pet 0.974603533744812
outdoor 0.969241738319397
companion dog 0.906731367111206
small greek domestic dog 0.8965123891830444
golden retriever 0.8877675533294678
labrador retriever 0.8746421337127686
puppy 0.872604250907898
ancient dog breeds 0.8508287668228149
field 0.8017748594284058
retriever 0.6837497353553772
brown 0.6581960916519165

Kaynakları temizleme

Azure AI hizmetleri aboneliğini temizlemek ve kaldırmak istiyorsanız, kaynağı veya kaynak grubunu silebilirsiniz. Kaynak grubunun silinmesi, kaynak grubuyla ilişkili diğer tüm kaynakları da siler.

Sonraki adımlar

Bu hızlı başlangıçta Görüntü Analizi istemci kitaplığını yüklemeyi ve temel görüntü analizi çağrıları yapmayı öğrendiniz. Ardından API özelliklerini analiz etme hakkında daha fazla bilgi edinin.

Çözümle API'sini çağırma

Python için Görüntü Analizi istemci kitaplığını kullanarak içerik etiketleri için uzak görüntüyü analiz edin.

İpucu

Yerel bir görüntüyü de analiz edebilirsiniz. bkz. analyze_image_in_stream gibi ComputerVisionClientOperationsMixin yöntemleri. Alternatif olarak, yerel görüntüleri içeren senaryolar için GitHub'da örnek koda bakın.

İpucu

Çözümle API'si, görüntü etiketleri oluşturma dışında birçok farklı işlem gerçekleştirebilir. Tüm kullanılabilir özellikleri gösteren örnekler için Görüntü Analizi nasıl yapılır kılavuzuna bakın.

Başvuru belgeleri | Kitaplık kaynak kodu | Paketi (PiPy)Örnekler |

Önkoşullar

  • Azure aboneliği - Ücretsiz bir abonelik oluşturun

  • Python 3.x

    • Python yüklemeniz pip içermelidir. Pip'in yüklü olup olmadığını denetlemek için komut satırında komutunu çalıştırabilirsiniz pip --version . Python'ın en son sürümünü yükleyerek pip alın.

  • Azure aboneliğinizi aldıktan sonra anahtarınızı ve uç noktanızı almak için Azure portalında bir Görüntü İşleme kaynağı oluşturun. Dağıtıldıktan sonra Kaynağa git'i seçin.

    • Uygulamanızı Azure AI Vision hizmetine bağlamak için oluşturduğunuz kaynaktan anahtara ve uç noktaya ihtiyacınız vardır.
    • Hizmeti denemek ve daha sonra üretim için ücretli bir katmana yükseltmek için ücretsiz fiyatlandırma katmanını (F0) kullanabilirsiniz.

Ortam değişkenlerini oluşturma

Bu örnekte, kimlik bilgilerinizi uygulamayı çalıştıran yerel makinedeki ortam değişkenlerine yazın.

Azure portalına gidin. Önkoşullar bölümünde oluşturduğunuz kaynak başarıyla dağıtıldıysa, Sonraki Adımlar'ın altında Kaynağa git'i seçin. Anahtarınızı ve uç noktanızı Anahtarlar ve Uç Nokta sayfasındaki Kaynak Yönetimi'nin altında bulabilirsiniz. Kaynak anahtarınız Azure abonelik kimliğiniz ile aynı değildir.

İpucu

Anahtarı doğrudan kodunuz içinde eklemeyin ve asla herkese açık olarak göndermeyin. Azure Key Vault gibi daha fazla kimlik doğrulama seçeneği için Azure AI hizmetleri güvenlik makalesine bakın.

Anahtarınızın ve uç noktanızın ortam değişkenini ayarlamak için bir konsol penceresi açın ve işletim sisteminiz ve geliştirme ortamınıza yönelik yönergeleri izleyin.

  1. Ortam değişkenini VISION_KEY ayarlamak için değerini kaynağınızın anahtarlarından biriyle değiştirin your-key .
  2. Ortam değişkenini VISION_ENDPOINT ayarlamak için değerini kaynağınızın uç noktasıyla değiştirin your-endpoint .
setx VISION_KEY <your_key>

setx VISION_ENDPOINT <your_endpoint>

Ortam değişkenlerini ekledikten sonra, konsol penceresi de dahil olmak üzere ortam değişkenlerini okuyacak tüm çalışan programları yeniden başlatmanız gerekebilir.

Görüntü analizi

  1. İstemci kitaplığını yükleyin.

    İstemci kitaplığını şu şekilde yükleyebilirsiniz:

    pip install --upgrade azure-cognitiveservices-vision-computervision

    Yastık kitaplığını da yükleyin.

    pip install pillow

  2. Yeni bir Python uygulaması oluşturun.

    Örneğin, quickstart-file.py yeni bir Python dosyası oluşturun.

  3. quickstart-file.py bir metin düzenleyicisinde veya IDE'de açın ve aşağıdaki kodu yapıştırın.

    from azure.cognitiveservices.vision.computervision import ComputerVisionClient
from azure.cognitiveservices.vision.computervision.models import OperationStatusCodes
from azure.cognitiveservices.vision.computervision.models import VisualFeatureTypes
from msrest.authentication import CognitiveServicesCredentials

from array import array
import os
from PIL import Image
import sys
import time

'''
Authenticate
Authenticates your credentials and creates a client.
'''
subscription_key = os.environ["VISION_KEY"]
endpoint = os.environ["VISION_ENDPOINT"]

computervision_client = ComputerVisionClient(endpoint, CognitiveServicesCredentials(subscription_key))
'''
END - Authenticate
'''

'''
Quickstart variables
These variables are shared by several examples
'''
# Images used for the examples: Describe an image, Categorize an image, Tag an image, 
# Detect faces, Detect adult or racy content, Detect the color scheme, 
# Detect domain-specific content, Detect image types, Detect objects
images_folder = os.path.join (os.path.dirname(os.path.abspath(__file__)), "images")
remote_image_url = "https://raw.githubusercontent.com/Azure-Samples/cognitive-services-sample-data-files/master/ComputerVision/Images/landmark.jpg"
'''
END - Quickstart variables
'''


'''
Tag an Image - remote
This example returns a tag (key word) for each thing in the image.
'''
print("===== Tag an image - remote =====")
# Call API with remote image
tags_result_remote = computervision_client.tag_image(remote_image_url )

# Print results with confidence score
print("Tags in the remote image: ")
if (len(tags_result_remote.tags) == 0):
    print("No tags detected.")
else:
    for tag in tags_result_remote.tags:
        print("'{}' with confidence {:.2f}%".format(tag.name, tag.confidence * 100))
print()
'''
END - Tag an Image - remote
'''
print("End of Computer Vision quickstart.")

  4. Uygulamayı hızlı başlangıç dosyanızdaki python komutuyla çalıştırın.

    python quickstart-file.py

Çıktı

===== Tag an image - remote =====
Tags in the remote image:
'outdoor' with confidence 99.00%
'building' with confidence 98.81%
'sky' with confidence 98.21%
'stadium' with confidence 98.17%
'ancient rome' with confidence 96.16%
'ruins' with confidence 95.04%
'amphitheatre' with confidence 93.99%
'ancient roman architecture' with confidence 92.65%
'historic site' with confidence 89.55%
'ancient history' with confidence 89.54%
'history' with confidence 86.72%
'archaeological site' with confidence 84.41%
'travel' with confidence 65.85%
'large' with confidence 61.02%
'city' with confidence 56.57%

End of Azure AI Vision quickstart.

Kaynakları temizleme

Azure AI hizmetleri aboneliğini temizlemek ve kaldırmak istiyorsanız, kaynağı veya kaynak grubunu silebilirsiniz. Kaynak grubunun silinmesi, kaynak grubuyla ilişkili diğer tüm kaynakları da siler.

Sonraki adımlar

Bu hızlı başlangıçta Görüntü Analizi istemci kitaplığını yüklemeyi ve temel görüntü analizi çağrıları yapmayı öğrendiniz. Ardından API özelliklerini analiz etme hakkında daha fazla bilgi edinin.

Çözümle API'sini çağırma

Uzak görüntüyü etiketler, metin açıklaması, yüzler, yetişkinlere yönelik içerik ve daha fazlası için analiz etmek için Görüntü Analizi istemci kitaplığını kullanın.

İpucu

Yerel bir görüntüyü de analiz edebilirsiniz. Bkz. AnalyzeImage gibi ComputerVision yöntemleri. Alternatif olarak, yerel görüntüleri içeren senaryolar için GitHub'da örnek koda bakın.

İpucu

Çözümle API'si, görüntü etiketleri oluşturma dışında birçok farklı işlem gerçekleştirebilir. Tüm kullanılabilir özellikleri gösteren örnekler için Görüntü Analizi nasıl yapılır kılavuzuna bakın.

Başvuru belgeleri | Kitaplık kaynak kodu |Yapıtı (Maven)Örnekler |

Önkoşullar

Ortam değişkenlerini oluşturma

Bu örnekte, kimlik bilgilerinizi uygulamayı çalıştıran yerel makinedeki ortam değişkenlerine yazın.

Azure portalına gidin. Önkoşullar bölümünde oluşturduğunuz kaynak başarıyla dağıtıldıysa, Sonraki Adımlar'ın altında Kaynağa git'i seçin. Anahtarınızı ve uç noktanızı Anahtarlar ve Uç Nokta sayfasındaki Kaynak Yönetimi'nin altında bulabilirsiniz. Kaynak anahtarınız Azure abonelik kimliğiniz ile aynı değildir.

İpucu

Anahtarı doğrudan kodunuz içinde eklemeyin ve asla herkese açık olarak göndermeyin. Azure Key Vault gibi daha fazla kimlik doğrulama seçeneği için Azure AI hizmetleri güvenlik makalesine bakın.

Anahtarınızın ve uç noktanızın ortam değişkenini ayarlamak için bir konsol penceresi açın ve işletim sisteminiz ve geliştirme ortamınıza yönelik yönergeleri izleyin.

  1. Ortam değişkenini VISION_KEY ayarlamak için değerini kaynağınızın anahtarlarından biriyle değiştirin your-key .
  2. Ortam değişkenini VISION_ENDPOINT ayarlamak için değerini kaynağınızın uç noktasıyla değiştirin your-endpoint .
setx VISION_KEY <your_key>

setx VISION_ENDPOINT <your_endpoint>

Ortam değişkenlerini ekledikten sonra, konsol penceresi de dahil olmak üzere ortam değişkenlerini okuyacak tüm çalışan programları yeniden başlatmanız gerekebilir.

Görüntü analizi

  1. Yeni bir Gradle projesi oluşturun.

    Konsol penceresinde (cmd, PowerShell veya Bash gibi), uygulamanız için yeni bir dizin oluşturun ve bu dizine gidin.

    mkdir myapp && cd myapp

    gradle init Komutunu çalışma dizininizden çalıştırın. Bu komut, uygulamanızı oluşturmak ve yapılandırmak için çalışma zamanında kullanılan build.gradle.kts de dahil olmak üzere Gradle için temel derleme dosyaları oluşturur.

    gradle init --type basic

    DSL seçmeniz istendiğinde Kotlin'i seçin.

  2. İstemci kitaplığını yükleyin.

    Bu hızlı başlangıçta Gradle bağımlılık yöneticisi kullanılır. Maven Central Repository'de diğer bağımlılık yöneticilerinin istemci kitaplığını ve bilgilerini bulabilirsiniz.

    build.gradle.kts dosyasını bulun ve tercih ettiğiniz IDE veya metin düzenleyici ile açın. Ardından aşağıdaki derleme yapılandırmasını kopyalayın. Bu yapılandırma, projeyi giriş noktası ImageAnalysisQuickstart sınıfı olan bir Java uygulaması olarak tanımlar. Azure AI Vision kitaplığını içeri aktarır.

    plugins {
    java
    application
}
application { 
    mainClass.set("ImageAnalysisQuickstart")
}
repositories {
    mavenCentral()
}
dependencies {
    implementation(group = "com.microsoft.azure.cognitiveservices", name = "azure-cognitiveservices-computervision", version = "1.0.9-beta")
}

  3. Bir Java dosyası oluşturun.

    Çalışma dizininizden aşağıdaki komutu çalıştırarak bir proje kaynak klasörü oluşturun:

    mkdir -p src/main/java

    Yeni klasöre gidin ve ImageAnalysisQuickstart.java adlı bir dosya oluşturun.

  4. tercih ettiğiniz düzenleyicide veya IDE'de ImageAnalysisQuickstart.java açın ve aşağıdaki kodu yapıştırın.

    import com.microsoft.azure.cognitiveservices.vision.computervision.*;
import com.microsoft.azure.cognitiveservices.vision.computervision.implementation.ComputerVisionImpl;
import com.microsoft.azure.cognitiveservices.vision.computervision.models.*;

import java.io.*;
import java.nio.file.Files;

import java.util.ArrayList;
import java.util.List;
import java.util.UUID;

public class ImageAnalysisQuickstart {

    // Use environment variables
    static String key = System.getenv("VISION_KEY");
    static String endpoint = System.getenv("VISION_ENDPOINT");

    public static void main(String[] args) {
        
        System.out.println("\nAzure Cognitive Services Computer Vision - Java Quickstart Sample");

        // Create an authenticated Computer Vision client.
        ComputerVisionClient compVisClient = Authenticate(key, endpoint); 

        // Analyze local and remote images
        AnalyzeRemoteImage(compVisClient);

    }

    public static ComputerVisionClient Authenticate(String key, String endpoint){
        return ComputerVisionManager.authenticate(key).withEndpoint(endpoint);
    }


    public static void AnalyzeRemoteImage(ComputerVisionClient compVisClient) {
        /*
         * Analyze an image from a URL:
         *
         * Set a string variable equal to the path of a remote image.
         */
        String pathToRemoteImage = "https://github.com/Azure-Samples/cognitive-services-sample-data-files/raw/master/ComputerVision/Images/faces.jpg";

        // This list defines the features to be extracted from the image.
        List<VisualFeatureTypes> featuresToExtractFromRemoteImage = new ArrayList<>();
        featuresToExtractFromRemoteImage.add(VisualFeatureTypes.TAGS);

        System.out.println("\n\nAnalyzing an image from a URL ...");

        try {
            // Call the Computer Vision service and tell it to analyze the loaded image.
            ImageAnalysis analysis = compVisClient.computerVision().analyzeImage().withUrl(pathToRemoteImage)
                    .withVisualFeatures(featuresToExtractFromRemoteImage).execute();


            // Display image tags and confidence values.
            System.out.println("\nTags: ");
            for (ImageTag tag : analysis.tags()) {
                System.out.printf("\'%s\' with confidence %f\n", tag.name(), tag.confidence());
            }
        }

        catch (Exception e) {
            System.out.println(e.getMessage());
            e.printStackTrace();
        }
    }
    // END - Analyze an image from a URL.

}

  5. Proje kök klasörüne geri dönün ve aşağıdakilerle uygulamayı derleyin:

    gradle build

    Ardından komutuyla gradle run çalıştırın:

    gradle run

Çıktı

Azure AI Vision - Java Quickstart Sample

Analyzing an image from a URL ...

Tags:
'person' with confidence 0.998895
'human face' with confidence 0.997437
'smile' with confidence 0.991973
'outdoor' with confidence 0.985962
'happy' with confidence 0.969785
'clothing' with confidence 0.961570
'friendship' with confidence 0.946441
'tree' with confidence 0.917331
'female person' with confidence 0.890976
'girl' with confidence 0.888741
'social group' with confidence 0.872044
'posing' with confidence 0.865493
'adolescent' with confidence 0.857371
'love' with confidence 0.852553
'laugh' with confidence 0.850097
'people' with confidence 0.849922
'lady' with confidence 0.844540
'woman' with confidence 0.818172
'group' with confidence 0.792975
'wedding' with confidence 0.615252
'dress' with confidence 0.517169

Kaynakları temizleme

Azure AI hizmetleri aboneliğini temizlemek ve kaldırmak istiyorsanız, kaynağı veya kaynak grubunu silebilirsiniz. Kaynak grubunun silinmesi, kaynak grubuyla ilişkili diğer tüm kaynakları da siler.

Sonraki adımlar

Bu hızlı başlangıçta Görüntü Analizi istemci kitaplığını yüklemeyi ve temel görüntü analizi çağrıları yapmayı öğrendiniz. Ardından API özelliklerini analiz etme hakkında daha fazla bilgi edinin.

Çözümle API'sini çağırma

JavaScript için Görüntü Analizi istemci kitaplığını kullanarak içerik etiketleri için uzak bir görüntüyü analiz edin.

İpucu

Yerel bir görüntüyü de analiz edebilirsiniz. Bkz. describeImageInStream gibi ComputerVisionClient yöntemleri. Alternatif olarak, yerel görüntüleri içeren senaryolar için GitHub'da örnek koda bakın.

İpucu

Çözümle API'si, görüntü etiketleri oluşturma dışında birçok farklı işlem gerçekleştirebilir. Tüm kullanılabilir özellikleri gösteren örnekler için Görüntü Analizi nasıl yapılır kılavuzuna bakın.

Başvuru belgeleri | Paketi (npm) | Örnekler

Önkoşullar

Ortam değişkenlerini oluşturma

Bu örnekte, kimlik bilgilerinizi uygulamayı çalıştıran yerel makinedeki ortam değişkenlerine yazın.

Azure portalına gidin. Önkoşullar bölümünde oluşturduğunuz kaynak başarıyla dağıtıldıysa, Sonraki Adımlar'ın altında Kaynağa git'i seçin. Anahtarınızı ve uç noktanızı Anahtarlar ve Uç Nokta sayfasındaki Kaynak Yönetimi'nin altında bulabilirsiniz. Kaynak anahtarınız Azure abonelik kimliğiniz ile aynı değildir.

İpucu

Anahtarı doğrudan kodunuz içinde eklemeyin ve asla herkese açık olarak göndermeyin. Azure Key Vault gibi daha fazla kimlik doğrulama seçeneği için Azure AI hizmetleri güvenlik makalesine bakın.

Anahtarınızın ve uç noktanızın ortam değişkenini ayarlamak için bir konsol penceresi açın ve işletim sisteminiz ve geliştirme ortamınıza yönelik yönergeleri izleyin.

  1. Ortam değişkenini VISION_KEY ayarlamak için değerini kaynağınızın anahtarlarından biriyle değiştirin your-key .
  2. Ortam değişkenini VISION_ENDPOINT ayarlamak için değerini kaynağınızın uç noktasıyla değiştirin your-endpoint .
setx VISION_KEY <your_key>

setx VISION_ENDPOINT <your_endpoint>

Ortam değişkenlerini ekledikten sonra, konsol penceresi de dahil olmak üzere ortam değişkenlerini okuyacak tüm çalışan programları yeniden başlatmanız gerekebilir.

Görüntü analizi

  1. Yeni bir Node.js uygulaması oluşturma

    Konsol penceresinde (cmd, PowerShell veya Bash gibi), uygulamanız için yeni bir dizin oluşturun ve bu dizine gidin.

    mkdir myapp && cd myapp

    Bir package.json dosyası ile bir düğüm uygulaması oluşturmak için npm init komutunu çalıştırın.

    npm init

    İstemci kitaplığını yükleme

    ms-rest-azure ve @azure/cognitiveservices-computervision npm paketini yükleyin:

    npm install @azure/cognitiveservices-computervision

    Ayrıca zaman uyumsuz modülü de yükleyin:

    npm install async

    Uygulamanızın package.json dosyası bağımlılıklarla güncelleştirilecek.

    yeni bir dosya oluşturun index.js.

  2. Index.js bir metin düzenleyicisinde açın ve aşağıdaki kodu yapıştırın.

    'use strict';

const async = require('async');
const fs = require('fs');
const https = require('https');
const path = require("path");
const createReadStream = require('fs').createReadStream
const sleep = require('util').promisify(setTimeout);
const ComputerVisionClient = require('@azure/cognitiveservices-computervision').ComputerVisionClient;
const ApiKeyCredentials = require('@azure/ms-rest-js').ApiKeyCredentials;

/**
 * AUTHENTICATE
 * This single client is used for all examples.
 */
const key = process.env.VISION_KEY;
const endpoint = process.env.VISION_ENDPOINT;


const computerVisionClient = new ComputerVisionClient(
  new ApiKeyCredentials({ inHeader: { 'Ocp-Apim-Subscription-Key': key } }), endpoint);
/**
 * END - Authenticate
 */


function computerVision() {
  async.series([
    async function () {

      /**
       * DETECT TAGS  
       * Detects tags for an image, which returns:
       *     all objects in image and confidence score.
       */
      console.log('-------------------------------------------------');
      console.log('DETECT TAGS');
      console.log();

      // Image of different kind of dog.
      const tagsURL = 'https://moderatorsampleimages.blob.core.windows.net/samples/sample16.png';

      // Analyze URL image
      console.log('Analyzing tags in image...', tagsURL.split('/').pop());
      const tags = (await computerVisionClient.analyzeImage(tagsURL, { visualFeatures: ['Tags'] })).tags;
      console.log(`Tags: ${formatTags(tags)}`);

      // Format tags for display
      function formatTags(tags) {
        return tags.map(tag => (`${tag.name} (${tag.confidence.toFixed(2)})`)).join(', ');
      }
      /**
       * END - Detect Tags
       */
      console.log();
      console.log('-------------------------------------------------');
      console.log('End of quickstart.');

    },
    function () {
      return new Promise((resolve) => {
        resolve();
      })
    }
  ], (err) => {
    throw (err);
  });
}

computerVision();

  3. Uygulamayı hızlı başlangıç dosyanızdaki node komutuyla çalıştırın.

    node index.js

Çıktı

-------------------------------------------------
DETECT TAGS

Analyzing tags in image... sample16.png
Tags: grass (1.00), dog (0.99), mammal (0.99), animal (0.99), dog breed (0.99), pet (0.97), outdoor (0.97), companion dog (0.91), small greek domestic dog (0.90), golden retriever (0.89), labrador retriever (0.87), puppy (0.87), ancient dog breeds (0.85), field (0.80), retriever (0.68), brown (0.66)

-------------------------------------------------
End of quickstart.

Kaynakları temizleme

Azure AI hizmetleri aboneliğini temizlemek ve kaldırmak istiyorsanız, kaynağı veya kaynak grubunu silebilirsiniz. Kaynak grubunun silinmesi, kaynak grubuyla ilişkili diğer tüm kaynakları da siler.

Sonraki adımlar

Bu hızlı başlangıçta Görüntü Analizi istemci kitaplığını yüklemeyi ve temel görüntü analizi çağrıları yapmayı öğrendiniz. Ardından API özelliklerini analiz etme hakkında daha fazla bilgi edinin.

Çözümle API'sini çağırma

Resim Analizi REST API'sini kullanarak bir görüntüyü etiketler için analiz edin.

İpucu

Çözümle API'si, görüntü etiketleri oluşturma dışında birçok farklı işlem gerçekleştirebilir. Tüm kullanılabilir özellikleri gösteren örnekler için Görüntü Analizi nasıl yapılır kılavuzuna bakın.

Not

Bu hızlı başlangıçta REST API'yi çağırmak için cURL komutları kullanılır. Rest API'yi bir programlama dili kullanarak da çağırabilirsiniz. C#, Python, Java ve JavaScript örnekleri için GitHub örneklerine bakın.

Önkoşullar

  • Azure aboneliği - Ücretsiz bir abonelik oluşturun
  • Azure aboneliğinizi aldıktan sonra anahtarınızı ve uç noktanızı almak için Azure portalında bir Görüntü İşleme kaynağı oluşturun. Dağıtıldıktan sonra Kaynağa git'i seçin.
    • Uygulamanızı Azure AI Vision hizmetine bağlamak için oluşturduğunuz kaynaktan anahtara ve uç noktaya ihtiyacınız olacaktır. Anahtarınızı ve uç noktanızı hızlı başlangıcın ilerleyen bölümlerinde aşağıdaki koda yapıştıracaksınız.
    • Hizmeti denemek ve daha sonra üretim için ücretli bir katmana yükseltmek için ücretsiz fiyatlandırma katmanını (F0) kullanabilirsiniz.
  • cURL yüklü

Resim çözümleme

Bir görüntüyü çeşitli görsel özellikleri için analiz etmek için aşağıdaki adımları uygulayın:

  1. Aşağıdaki komutu bir metin düzenleyicisine kopyalayın.

    curl.exe -H "Ocp-Apim-Subscription-Key: <subscriptionKey>" -H "Content-Type: application/json" "https://westcentralus.api.cognitive.microsoft.com/vision/v3.2/analyze?visualFeatures=Tags" -d "{'url':'https://learn.microsoft.com/azure/ai-services/computer-vision/media/quickstarts/presentation.png'}"

  2. Gerektiğinde komutta aşağıdaki değişiklikleri yapın:

    1. değerini <subscriptionKey> anahtarınız ile değiştirin.
    2. İstek URL'sinin (westcentralus) ilk bölümünü kendi uç nokta URL'nizdeki metinle değiştirin.

      Not

      1 Temmuz 2019'da oluşturulan yeni kaynaklar özel alt etki alanı adlarını kullanacaktır. Daha fazla bilgi ve bölgesel uç noktaların tam listesi için bkz . Azure AI hizmetleri için özel alt etki alanı adları.

    3. İsteğe bağlı olarak, istek gövdesindeki görüntü URL’sini (https://learn.microsoft.com/azure/ai-services/computer-vision/media/quickstarts/presentation.png), analiz edilecek başka bir görüntünün URL’si ile değiştirin.

  3. Bir komut istemi penceresi açın.

  4. Düzenlenen curl komutu metin düzenleyicisinden komut istemi penceresine yapıştırın ve ardından komutunu çalıştırın.

Yanıtı inceleme

Başarılı bir yanıt JSON biçiminde döndürülür. Örnek uygulama, aşağıdaki örneğe benzer şekilde başarılı bir yanıtı ayrıştırıp komut istemi penceresinde görüntüler:

{{
   "tags":[
      {
         "name":"text",
         "confidence":0.9992657899856567
      },
      {
         "name":"post-it note",
         "confidence":0.9879657626152039
      },
      {
         "name":"handwriting",
         "confidence":0.9730165004730225
      },
      {
         "name":"rectangle",
         "confidence":0.8658561706542969
      },
      {
         "name":"paper product",
         "confidence":0.8561884760856628
      },
      {
         "name":"purple",
         "confidence":0.5961999297142029
      }
   ],
   "requestId":"2788adfc-8cfb-43a5-8fd6-b3a9ced35db2",
   "metadata":{
      "height":945,
      "width":1000,
      "format":"Jpeg"
   },
   "modelVersion":"2021-05-01"
}

Sonraki adımlar

Bu hızlı başlangıçta REST API kullanarak temel görüntü analizi çağrıları yapmayı öğrendiniz. Ardından API özelliklerini analiz etme hakkında daha fazla bilgi edinin.

Çözümle API'sini çağırma