Azure Vision 图像分析免费服务

pzx521521

使用 Go 语言调用 Azure Vision 图像分析免费服务

Note: 这不是 AzureVision. 提供的普通商业 API。

起因

手机上太多图片了,想给他们重命名一下
不想传到电脑,因为比较大,还要传来传去,想在手机上直接跑,所以选择golang直接编译为二进制包
最开始的方案是开源的yolov5,测试之后发现他只能识别一张图片中的有多少个物体即tags功能,而且模型很大
然后看到了yolo-mini的模型,只有88个分类,而且效果并不好.
比如很多照片上全部是人,他就只能识别出很多person.... 我知道这些有什么用 = =
本来想用离线的,方案是 CLIP + GPT2,但是模型太大了,完全不适合手机运行,想想在手机上装 PyTorch 或 TensorFlow....
最终放弃了离线

CURL

curl 'https://portal.vision.cognitive.azure.com/api/demo/analyze?features=caption&language=en' \
  -F 'file=@/Users/parapeng/Documents/WallPaper/azure-vision-free/output.jpg'

返回

{"modelVersion":"2023-10-01","captionResult":{"text":"a cartoon of a woman with blue hair","confidence":0.80237787961959839},"metadata":{"width":1202,"height":751}}

Install:

go get github.com/pzx521521/azurevision

Example usage:

package main

import (
    "fmt"
    "github.com/pzx521521/azurevision"
)

func main(){
    av := azurevision.NewAzureVision()
    anlyze, _ := av.Anlyze("input.png")
    fmt.Printf("%v\n", anlyze)
    // Output:map[captionResult:map[confidence:0.8023778796195984 text:a cartoon of a woman with blue hair] metadata:map[height:751 width:1202] modelVersion:2023-10-01]
}

考虑到网络问题,对图片进行了压缩,默认质量为10。如果你想看下压缩的效果

av := azurevision.NewAzureVision()
av.Quality = 20
av.TestCompress("input.png", "output.jpg")

如果你不想使用压缩,可以设置质量为0(or<=0)

av := azurevision.NewAzureVision()
av.Quality = 0

如果你想使用其他的功能(如生成标签),默认功能是获取Caption，可以使用如下

av := azurevision.NewAzureVision()
av.Feature = "tags"
anlyze, _ := av.Anlyze("input.png")
fmt.Printf("%v\n", anlyze)

所有的功能(Feature)你可以在这里找到,就一个tag的区别:
官网

题外话

在线方案有google的和azure的两种，阿里和百度居然没有.... 应该是看不上吧
google要api,azure商业版也要,但是这里用的是他的demo接口
azure Vision的价格如下:
5,000 free transactions per month
20 transactions per minute
超出: 0-1M transactions - $1 per 1,000 transactions
但是要先绑卡(坑啊之前在amazon没注意超了扣了好多钱)
azure 并没有做任何加密处理之类的,点名批评国内的云服务商,很多都是没有demo的

OSmile

我是第一个、、、

Xiaosesi

感谢分享，刚好想找离线识别的OCR

CoinsBtc

和ocr一样好用，赞

探索

感谢楼主无私的分享。

lizhenxin

我也想下来来看看