画像分析とは

Azure AI Vision Image Analysis サービスでは、画像からさまざまな視覚的特徴を抽出できます。 たとえば、成人向けコンテンツが画像に含まれているかどうかを判断したり、特定のブランドや物体、人の顔を検出したりすることができます。

現在一般公開されている最新バージョンの Image Analysis 4.0 には、同期 OCR やユーザー検出などの新機能があります。 このバージョンは今後使用してください。

画像分析は、クライアント ライブラリ SDK を通じて、または REST API を直接呼び出すことで使用できます。 使用を開始するには、クイックスタートに従ってください。

または、Vision Studio を使用して、ブラウザーで画像分析の機能をすばやく簡単に試すことができます。

このドキュメントには、次のような記事が記載されています。

• クイックスタートは、サービスの呼び出しと結果の取得を短時間で行えるようにする、ステップバイステップの手順です。
• 攻略ガイドには、より具体的またはカスタマイズした方法でサービスを使用するための手順が記載されています。
• 概念の記事では、サービスの機能と特長について詳しく説明します。

より構造化されたアプローチについては、画像分析のトレーニング モジュールに従ってください。

• Azure AI Vision サービスを使用して画像を分析する

Image Analysis のバージョン

Analyze Image

画像を分析して、その視覚的特徴と特性に関する分析情報を取得できます。 Analyze Image API は、この表のすべての機能を提供します。 開始するには、 クイック スタートに従います。

Name	Description	概念ページ
モデルのカスタマイズ (v4.0 プレビューのみ) (非推奨)	画像分類または物体検出用のカスタム モデルを作成してトレーニングします。 任意の画像を取り込み、カスタム タグでラベルを付けると、Image Analysis は目的のユース ケース用にカスタマイズされたモデルをトレーニングします。	モデルのカスタマイズ
画像からテキストを読み取る (v4.0 のみ)	Image Analysis のバージョン 4.0 プレビューでは、画像から読み取り可能なテキストを抽出できます。 非同期の Computer Vision 3.2 Read API と比較すると、新しいバージョンでは、パフォーマンスが向上した統合同期 API で使い慣れた Read OCR エンジンが提供されます。これにより、1 回の API 呼び出しで OCR とその他の分析情報を簡単に取得できます。	画像の OCR
画像内の人物を検出する (v4.0 のみ)	Image Analysis のバージョン 4.0 では、画像に表示された人物を検出できます。 API は、検出された各人物の境界ボックス座標と信頼度スコアを返します。	人物検出
画像キャプションを生成する	完全な文を使用して、人間が判読できる言語で画像のキャプションを生成します。 Computer Vision のアルゴリズムにより、画像内で識別された物体に基づいてキャプションが生成されます。 バージョン 4.0 の画像キャプション モデルは、高度な実装であり、広い範囲の入力画像を処理します。 特定の地理的リージョンでのみ使用可能です。 利用可能なリージョンに関するページを参照してください。 バージョン 4.0 では、画像内にある個々の物体の詳細なキャプションを生成する高密度キャプションも使用できます。 API により、画像内で見つかった各物体の境界ボックスの座標 (ピクセル単位) とキャプションが返されます。 この機能を使用して、画像の個別部分の説明を生成できます。	画像キャプションを生成する (v3.2) (v4.0)
オブジェクトを検出する	オブジェクトの検出はタグ付けに似ていますが、API で返されるのは、各タグが適用された境界ボックスの座標です。 たとえば、画像に犬、猫、人が含まれている場合、検出操作では、それらのオブジェクトが画像内の座標と共に一覧表示されます。 この機能を使用して、画像内のオブジェクト間のリレーションシップをさらに処理できます。 画像内に同じタグの複数のインスタンスが存在する場合はそれも知ることができます。	物体を検出する (v3.2) (v4.0)
視覚的特徴のタグ付け	数千個の認識可能なオブジェクト、生物、風景、および動作のセットから、画像内の視覚的な特徴を識別してタグ付けします。 タグが不明確な場合や、常識的でない場合は、API 応答により、タグのコンテキストを明確にするためのヒントが示されます。 タグ付けの対象は、前景の人物などの被写体に限らず、背景 (屋内または屋外)、家具、道具、植物、動物、アクセサリ、ガジェットなども含まれます。	視覚的特徴のタグ付け (v3.2) (v4.0)
関心領域/スマート クロップを取得する	画像の内容を分析し、指定された縦横比に一致する "関心領域" の座標を返します。 Computer Vision では領域の境界ボックスの座標が返されるため、呼び出し元のアプリケーションで必要に応じて元の画像を変更できます。 バージョン 4.0 のスマート トリミング モデルは、高度な実装であり、広い範囲の入力画像を処理します。 特定の地理的リージョンでのみ使用可能です。 利用可能なリージョンに関するページを参照してください。	サムネイルを生成する (v3.2) (v4.0 プレビュー)
ブランドの検出 (v3.2 のみ)	数千点ものグローバル ロゴのデータベースから、画像または動画に含まれる商業ブランドを識別します。 この機能は、たとえば、ソーシャル メディアで最も人気のあるブランドや、メディアのプロダクト プレイスメントの中で最も普及しているブランドを検出する目的で使用できます。	ブランドを検出する
画像の分類 (v3.2 のみ)	親/子で引き継がれる階層を備えたカテゴリの分類を使用して、イメージ全体を識別してタグ付けします。 カテゴリは単独で、または新しいタグ付けモデルと共に使用できます。 現時点では、イメージのタグ付けと分類でサポートされている言語は、英語のみです。	イメージの分類
顔の検出 (v3.2 のみ)	イメージ内の人物の顔を検出して、検出されたそれぞれの顔に関する情報を提示します。 Azure AI Vision は検出された各顔の座標、四角い枠、性別、および年齢を返します。 これらの目的で専用の Face API を使用することもできます。 顔識別や姿勢検出など、より詳細な分析に使用できます。	顔を検出する
画像の種類の検出 (v3.2 のみ)	イメージが線による描画かクリップ アートのようになっているかなど、イメージの性質を検出します。	イメージの種類の検出
ドメイン固有のコンテンツの検出 (v3.2 のみ)	ドメイン モデルを使用して、有名人やランドマークなど、イメージ内のドメイン固有のコンテンツを検出して識別します。 たとえば、画像に人物が含まれている場合、Azure AI Vision では、有名人用のドメイン モデルを使用して、画像内で検出された人物が既知の有名人と一致するかどうかを判断できます。	ドメイン固有のコンテンツの検出
配色の検出 (v3.2 のみ)	イメージ内にある色の使用状況を分析します。 Azure AI Vision では、画像が白黒かカラーかを特定し、カラー画像の場合は、主要な色やアクセントになる色を識別することができます。	配色の検出
画像内のコンテンツの調整 (v3.2 のみ)	Azure AI Vision を使用して、画像内の成人向けコンテンツを検出し、さまざまな分類の信頼度スコアを返します。 コンテンツをフラグ設定するためのしきい値は、自分の都合に合わせて、スライディング スケールで設定することができます。	成人向けコンテンツを検出する

製品認識 (v4.0 プレビューのみ) (非推奨)

Product Recognition API を使用すると、小売店の棚の写真を分析できます。 製品の有無を検出し、境界ボックス座標を取得できます。 モデルのカスタマイズと組み合わせて使用して、特定の製品を識別するようにモデルをトレーニングします。 Product Recognition の結果を店舗のプラノグラム ドキュメントと比較することもできます。

Product Recognition

マルチモーダル埋め込み (v4.0 のみ)

マルチモーダル埋め込み API を使うと、画像とテキスト クエリの "ベクトル化" が可能になります。 多次元ベクトル空間内の座標に画像を変換します。 その後、受信テキスト クエリをベクターに変換し、セマンティックの近さに基づいて画像をテキストに照合できます。 この機能を使用すると、画像タグやその他のメタデータを使用しなくても、テキストを使用して画像のセットを検索できます。 セマンティックの近さにより、多くの場合、検索でより良い結果が得られます。

2024-02-01 API には、102 言語でのテキスト検索をサポートする多言語モデルが含まれています。 元の英語のみのモデルは引き続き使用できますが、同じ検索インデックス内の新しいモデルと組み合わせることはできません。 英語のみのモデルを使用してテキストと画像をベクター化した場合、これらのベクターは多言語テキストおよび画像ベクトルと互換性がありません。

これらの API は、特定の地理的リージョンでのみ使用できます。 利用可能なリージョンに関するページを参照してください。

マルチモーダル埋め込み

背景の削除 (v4.0 プレビューのみ)

サービスの制限

入力の要件

言語のサポート

さまざまな言語で、さまざまな画像分析機能を使用できます。 言語のサポートに関するページを参照してください。

リージョンの可用性

画像分析 API を使用するには、サポートされているリージョンで Azure AI Vision リソースを作成する必要があります。 画像分析機能は次のリージョンで使用できます。

データのプライバシーとセキュリティ

Azure AI サービス全般に言えることですが、Azure AI Vision サービスを使用する開発者は、顧客データに関する Microsoft のポリシーに留意する必要があります。 詳細については、Microsoft セキュリティ センターの Azure AI サービスページ を参照してください。

次のステップ

好みの開発言語と API バージョンのクイックスタート ガイドに従って、画像分析の使用を開始します。

• クイックスタート (v4.0): Vision REST API またはクライアント ライブラリ
• クイック スタート (v3.2): Vision REST API またはクライアント ライブラリ