Görüntü incelemeyi otomatikleştirmek için Azure Function + Cognitive Services kullanın
Kullanıcıların uygulamada çok sayıda görüntü dosyası göndermesini gerektiren bir uygulama çalıştırdığımızı varsayarsak, sistem yöneticisinin bu görüntüleri manuel olarak gözden geçirmesi zaman alıcıdır ve görüntülerin incelenmesi anında gerçekleşmeyebilir. . Bu sorunu çözmek için bu makale, uygulamaya yüklenen görüntülerin gözden geçirilmesini otomatikleştirmek için Azure İşlevini ve Bilişsel Hizmetleri nasıl kullanacağınızı gösterecektir.
Bugünün deneyine resmi olarak başlamadan önce, bu deneyde bulacağımız bazı Azure özelliklerine bir göz atalım:
- Azure İşlevi: Azure İşlevleri, altyapıyı açıkça yapılandırmanıza veya yönetmenize gerek kalmadan istek üzerine kod çalıştırmanıza olanak tanıyan sunucusuz bir bilgi işlem hizmetidir. Çeşitli olaylara yanıt olarak komut dosyaları veya kod parçacıkları çalıştırmak için Azure İşlevlerini kullanın
- Bilişsel Hizmetler: Azure Bilişsel Hizmetler, geliştiricilerin doğrudan AI veya veri bilimi becerileri veya bilgisi olmadan akıllı uygulamalar oluşturmasına yardımcı olabilecek API'ler, SDK'lar ve hizmetlerdir. Azure Bilişsel Hizmetler, Microsoft'un büyüyen makine öğrenimi API portföyünü genişleterek geliştiricilerin duygu ve video algılama; yüz, dil ve görsel tanıma ve dil ve dil anlama gibi bilişsel özellikleri uygulamalarına kolayca eklemelerine olanak tanır
- İçerik Moderatörü: Azure İçerik Moderatörü API, metin, resim ve video içeriğini kontrol edebilen ve ***, risk veya diğer uygunsuz içeriğe sahip olabilecek materyalleri bulabilen bilişsel bir hizmettir. Bu tür materyalleri bulduktan sonra, hizmet içeriğe uygun etiketleri (etiketleri) uygular. Uygulamanız daha sonra, yönetmeliklere uymak veya kullanıcının beklenen ortamını korumak için işaretlenen içeriği işleyebilir.
- Azure Blob Depolama: Azure Blob depolama, Microsoft'un bulut için nesne depolama çözümüdür. Blob depolama, büyük miktarda yapılandırılmamış veriyi depolamak için optimize edilmiştir. Yapılandırılmamış veriler, metin veya ikili veriler gibi belirli bir veri modelini veya tanımını takip etmeyen verilerdir.
Aşağıdaki, bugünkü deneyimizin temel topolojisidir:
İçerik Yöneticisi Oluşturun
"Yeni" - "İçerik Yöneticisi" - "Oluştur" u tıklayın:
İlgili bilgileri girin ve Oluştur'u tıklayın:
Oluşturma tamamlandıktan sonra, aşağıdaki şekilde gösterildiği gibi, "Erişim anahtarlarını göster ve bu değeri kaydet" e tıklıyoruz:
Function Uygulaması ve Depolaması Oluşturun
Function Uygulaması Oluşturun
"Yeni" - "Hesaplama" - "İşlev Uygulaması" nı tıklayın:
Aşağıdaki parametreleri girin ve Oluştur'a tıklayın:
Aşağıdaki şekilde gösterildiği gibi oluşturma başarılıdır:
"Yeni İşlev" e tıklayın:
Burada "Özel İşlev" i seçin:
"Blob tetikleyici" - "C #" seçin:
Adı ve yolu değiştirin, Oluştur'u tıklayın:
Aşağıdaki şekilde gösterildiği gibi oluşturma başarılıdır:
"Entegrasyon" - "+ Yeni Çıktı" yı tıklayın:
"Azure Blob Depolama" seçin:
Yolu "Container1 / {name}" olarak değiştirin ve Kaydet'i tıklayın:
Depolamayı Yapılandır
Aşağıdaki şekilde gösterildiği gibi container1 ve container2 oluşturun:
Otomatik görüntü incelemesini gerçekleştirmek için Function + Cognitive Services'ı yapılandırın:
Daha önce oluşturduğumuz Fonksiyonu açın ve "ImageAnalysis" e tıklayın:
İçerik Moderatörü oluşturulurken kaydedilen Anahtarı aşağıdaki konuma değiştirin:
Kaydet'i tıklayın:
Test işlevi
"Geçersiz" resmi test edin:
"Geçersiz" resmi aşağıda gösterildiği gibi Kapsayıcı1'e yükleyin:
Resim yüklendikten sonra aşağıdaki Günlüğü görebiliriz:
"Geçerli" bir resim yükleyin
"Etkili" resmi Container1'e yükleyin:
Başarıyla yükledikten sonra aşağıdaki Günlüğü görebilirsiniz:
Aynı zamanda resmimiz filigranlanacak ve Container2'de saklanacaktır:
Filigran eklenmiş resim aşağıda gösterilmiştir:
