SlideShare a Scribd company logo
1 of 17
Cognitive Service
Container Support
Microsoft Japan
Solution Architect
Kenichiro Nakamura
https://azure.microsoft.com/ja-jp/blog/bringing-ai-to-the-edge/
https://azure.microsoft.com/ja-jp/blog/bringing-ai-to-the-edge/
Service コンテナー 説明
Computer Vision Recognize Text レシート、ポスター、名刺など、さまざまな表面や背景を持ついろいろなオブ
ジェクトのイメージから、印刷されたテキストを抽出します。
重要: テキスト認識コンテナーは現在のところ、英語でのみ機能します。
アクセスの要求
Face Face Face には、画像中の人の顔を検出し、顔のパーツ (鼻や目など)、性別、年齢のほ
か、マシンが予測するその他の顔の特徴などの属性を識別します。 検出に加えて、
Face では、同じ画像または異なる画像中の 2 つの顏が同じかどうかを信頼スコア
を使って確認したり、データベースと顏を比較して、似ている顏や同一の顔が既
に存在するかどうかを調べたりできます。 また、同じ視覚的特徴を使用して、似
た顔をグループに分けて整理することもできます。
アクセスの要求
LUIS LUIS (イメー
ジ)
トレーニング済みまたは発行済みの Language Understanding モデル ("LUIS アプリ
" と呼ばれます) を Docker コンテナーに読み込みます。ユーザーは、そのコンテ
ナーの API エンドポイントからクエリ予測を利用することができます。 コンテ
ナーからクエリのログを収集し、それらを LUIS ポータルに再度アップロードする
ことで、アプリの予測精度を高めることができます。
https://azure.microsoft.com/ja-jp/blog/getting-started-with-azure-
cognitive-services-in-containers/
Service コンテナー 説明
Text Analytics キー フレーズ抽出
(イメージ)
主なポイントを識別するキー フレーズを抽出します。 たとえば、「食べ物は
おいしくて、すばらしいスタッフがいた」というテキストを入力すると、この
API は話題の中心として "食べ物" と "すばらしいスタッフ" を返します。
Text Analytics 言語検出 (イメージ) 最大 120 の言語に対して、入力テキストが書かれている言語を検出し、要求で
送信されたドキュメントごとに 1 つの言語コードを報告します。 言語コードは、
評価値の強度を示すスコアと組みになります。
Text Analytics 感情分析 (イメージ) 肯定的または否定的な感情の手がかりを探して未加工のテキストを分析します。
この API はドキュメントごとに 0 から 1 までの感情スコアを返します。1 が最
も肯定的となります。 分析モデルは、広範囲にわたるテキスト本文と
Microsoft の自然言語技術を利用して事前トレーニングされています。 一部の
言語については、この API はユーザーが指定したあらゆる未加工テキストを分
析し、評価し、呼び出し元のアプリケーションに結果を直接返すことができま
す。
https://docs.microsoft.com/ja-jp/azure/cognitive-services/cognitive-
services-container-support
コンテナー 最小値 推奨
テキスト認識 1 コア、8 GB メモリ、0.5 TPS 2 コア、8 GB メモリ、1 TPS
Face 1 コア、2 GB メモリ 1 コア、4 GB メモリ
キー フレーズ抽出 1 コア、2 GB メモリ 1 コア、4 GB メモリ
言語検出 1 コア、2 GB メモリ 1 コア、4 GB メモリ
感情分析 1 コア、2 GB メモリ 1 コア、4 GB メモリ
LUIS 1 コア、2 GB メモリ、20 TPS 1 コア、4 GB メモリ、40 TPS
https://docs.microsoft.com/ja-jp/azure/cognitive-
services/cognitive-services-container-support#next-steps
https://docs.microsoft.com/ja-jp/azure/cognitive-services/face/face-
how-to-install-containers#billing
Cognitive Services Vision Containers Request フォーム
https://docs.microsoft.com/en-us/azure/cognitive-services/face/face-
resource-container-config
https://github.com/kenakamu/FaceAPIUWPDemo/
エッジ・組み込みAI勉強会 : コンテナで使う Cognitive Service

More Related Content

Similar to エッジ・組み込みAI勉強会 : コンテナで使う Cognitive Service

AI for Media 2018 - 放送/映像にまつわる AI 徹底解説 -
AI for Media 2018  - 放送/映像にまつわる AI 徹底解説 -AI for Media 2018  - 放送/映像にまつわる AI 徹底解説 -
AI for Media 2018 - 放送/映像にまつわる AI 徹底解説 -Daiyu Hatakeyama
 
Jazug Cognitive Services Overview_20170824
Jazug Cognitive Services Overview_20170824Jazug Cognitive Services Overview_20170824
Jazug Cognitive Services Overview_20170824Ayako Omori
 
中・大規模サイト作成業務フロー
中・大規模サイト作成業務フロー中・大規模サイト作成業務フロー
中・大規模サイト作成業務フローsenakamura
 
Watson Visual Recognitionご紹介
Watson Visual Recognitionご紹介Watson Visual Recognitionご紹介
Watson Visual Recognitionご紹介hayakumi
 
IoTのEgeにもコンテナがやってきた
IoTのEgeにもコンテナがやってきたIoTのEgeにもコンテナがやってきた
IoTのEgeにもコンテナがやってきたkei omizo
 
ニューノーマルな働き方!?Teams投稿をセンチメント分析!
ニューノーマルな働き方!?Teams投稿をセンチメント分析!ニューノーマルな働き方!?Teams投稿をセンチメント分析!
ニューノーマルな働き方!?Teams投稿をセンチメント分析!Tsukasa Kato
 
Azure Webinar Cognitive Services Overview_20170831
Azure Webinar Cognitive Services Overview_20170831Azure Webinar Cognitive Services Overview_20170831
Azure Webinar Cognitive Services Overview_20170831Ayako Omori
 
Toolkit for CreateJSで作るリッチコンテンツ
Toolkit for CreateJSで作るリッチコンテンツToolkit for CreateJSで作るリッチコンテンツ
Toolkit for CreateJSで作るリッチコンテンツYasunobu Ikeda
 

Similar to エッジ・組み込みAI勉強会 : コンテナで使う Cognitive Service (9)

AI for Media 2018 - 放送/映像にまつわる AI 徹底解説 -
AI for Media 2018  - 放送/映像にまつわる AI 徹底解説 -AI for Media 2018  - 放送/映像にまつわる AI 徹底解説 -
AI for Media 2018 - 放送/映像にまつわる AI 徹底解説 -
 
Jazug Cognitive Services Overview_20170824
Jazug Cognitive Services Overview_20170824Jazug Cognitive Services Overview_20170824
Jazug Cognitive Services Overview_20170824
 
中・大規模サイト作成業務フロー
中・大規模サイト作成業務フロー中・大規模サイト作成業務フロー
中・大規模サイト作成業務フロー
 
Watson Visual Recognitionご紹介
Watson Visual Recognitionご紹介Watson Visual Recognitionご紹介
Watson Visual Recognitionご紹介
 
IoTのEgeにもコンテナがやってきた
IoTのEgeにもコンテナがやってきたIoTのEgeにもコンテナがやってきた
IoTのEgeにもコンテナがやってきた
 
拡散する画像生成.pdf
拡散する画像生成.pdf拡散する画像生成.pdf
拡散する画像生成.pdf
 
ニューノーマルな働き方!?Teams投稿をセンチメント分析!
ニューノーマルな働き方!?Teams投稿をセンチメント分析!ニューノーマルな働き方!?Teams投稿をセンチメント分析!
ニューノーマルな働き方!?Teams投稿をセンチメント分析!
 
Azure Webinar Cognitive Services Overview_20170831
Azure Webinar Cognitive Services Overview_20170831Azure Webinar Cognitive Services Overview_20170831
Azure Webinar Cognitive Services Overview_20170831
 
Toolkit for CreateJSで作るリッチコンテンツ
Toolkit for CreateJSで作るリッチコンテンツToolkit for CreateJSで作るリッチコンテンツ
Toolkit for CreateJSで作るリッチコンテンツ
 

More from Kenichiro Nakamura

LINE Developer Day 2019 how to optimize bot development lifecycle with dev ops
LINE Developer Day 2019 how to optimize bot development lifecycle with dev opsLINE Developer Day 2019 how to optimize bot development lifecycle with dev ops
LINE Developer Day 2019 how to optimize bot development lifecycle with dev opsKenichiro Nakamura
 
MTDDC 2019 LINE ボットからみた MT Data API の可能性
MTDDC 2019 LINE ボットからみた MT Data API の可能性MTDDC 2019 LINE ボットからみた MT Data API の可能性
MTDDC 2019 LINE ボットからみた MT Data API の可能性Kenichiro Nakamura
 
TypeScript Meetup #1 Build 2019 update
TypeScript Meetup #1 Build 2019 updateTypeScript Meetup #1 Build 2019 update
TypeScript Meetup #1 Build 2019 updateKenichiro Nakamura
 
ボット開発でも DevOps! BotBuilder のテスト手法
ボット開発でも DevOps! BotBuilder のテスト手法ボット開発でも DevOps! BotBuilder のテスト手法
ボット開発でも DevOps! BotBuilder のテスト手法Kenichiro Nakamura
 
.NET ラボ 勉強会 C# でラインプラットフォーム開発
.NET ラボ 勉強会 C# でラインプラットフォーム開発.NET ラボ 勉強会 C# でラインプラットフォーム開発
.NET ラボ 勉強会 C# でラインプラットフォーム開発Kenichiro Nakamura
 
Microsoft Azure Cognitive Services
Microsoft Azure Cognitive ServicesMicrosoft Azure Cognitive Services
Microsoft Azure Cognitive ServicesKenichiro Nakamura
 
EdgeAI: Azure IoT Edge カスタムモジュール開発
EdgeAI: Azure IoT Edge カスタムモジュール開発EdgeAI: Azure IoT Edge カスタムモジュール開発
EdgeAI: Azure IoT Edge カスタムモジュール開発Kenichiro Nakamura
 
SQL Server 2019 Master Data Service
SQL Server 2019 Master Data ServiceSQL Server 2019 Master Data Service
SQL Server 2019 Master Data ServiceKenichiro Nakamura
 
いま考えられる限り最も速く対話型アプリを開発する方法
いま考えられる限り最も速く対話型アプリを開発する方法いま考えられる限り最も速く対話型アプリを開発する方法
いま考えられる限り最も速く対話型アプリを開発する方法Kenichiro Nakamura
 
Extended Events 101 : Japan SQL Server User Group
Extended Events 101 : Japan SQL Server User GroupExtended Events 101 : Japan SQL Server User Group
Extended Events 101 : Japan SQL Server User GroupKenichiro Nakamura
 
Tech-on Meet Up #02 Microsoft のコンテナ活用事例
Tech-on Meet Up #02 Microsoft のコンテナ活用事例Tech-on Meet Up #02 Microsoft のコンテナ活用事例
Tech-on Meet Up #02 Microsoft のコンテナ活用事例Kenichiro Nakamura
 
JSSUG: SQL Sever Performance Tuning
JSSUG: SQL Sever Performance TuningJSSUG: SQL Sever Performance Tuning
JSSUG: SQL Sever Performance TuningKenichiro Nakamura
 
LT: 開発者が意識するべき チャットボットの UX と アーキテクチャ
LT: 開発者が意識するべきチャットボットの UX とアーキテクチャLT: 開発者が意識するべきチャットボットの UX とアーキテクチャ
LT: 開発者が意識するべき チャットボットの UX と アーキテクチャKenichiro Nakamura
 
今更聞けない!?Microsoft Graph で始める Office 365 データ活用と事例の紹介
今更聞けない!?Microsoft Graph で始める Office 365 データ活用と事例の紹介今更聞けない!?Microsoft Graph で始める Office 365 データ活用と事例の紹介
今更聞けない!?Microsoft Graph で始める Office 365 データ活用と事例の紹介Kenichiro Nakamura
 
LINE Bot リッチメニュー使ってる?
LINE Bot リッチメニュー使ってる?LINE Bot リッチメニュー使ってる?
LINE Bot リッチメニュー使ってる?Kenichiro Nakamura
 

More from Kenichiro Nakamura (20)

JSSUG Azure SQL Analytics
JSSUG Azure SQL AnalyticsJSSUG Azure SQL Analytics
JSSUG Azure SQL Analytics
 
LINE Developer Day 2019 how to optimize bot development lifecycle with dev ops
LINE Developer Day 2019 how to optimize bot development lifecycle with dev opsLINE Developer Day 2019 how to optimize bot development lifecycle with dev ops
LINE Developer Day 2019 how to optimize bot development lifecycle with dev ops
 
MTDDC 2019 LINE ボットからみた MT Data API の可能性
MTDDC 2019 LINE ボットからみた MT Data API の可能性MTDDC 2019 LINE ボットからみた MT Data API の可能性
MTDDC 2019 LINE ボットからみた MT Data API の可能性
 
Tokyo Azure Meetup #29 AKS
Tokyo Azure Meetup #29 AKSTokyo Azure Meetup #29 AKS
Tokyo Azure Meetup #29 AKS
 
TypeScript Meetup #1 Build 2019 update
TypeScript Meetup #1 Build 2019 updateTypeScript Meetup #1 Build 2019 update
TypeScript Meetup #1 Build 2019 update
 
ボット開発でも DevOps! BotBuilder のテスト手法
ボット開発でも DevOps! BotBuilder のテスト手法ボット開発でも DevOps! BotBuilder のテスト手法
ボット開発でも DevOps! BotBuilder のテスト手法
 
.NET ラボ 勉強会 C# でラインプラットフォーム開発
.NET ラボ 勉強会 C# でラインプラットフォーム開発.NET ラボ 勉強会 C# でラインプラットフォーム開発
.NET ラボ 勉強会 C# でラインプラットフォーム開発
 
Microsoft Azure Cognitive Services
Microsoft Azure Cognitive ServicesMicrosoft Azure Cognitive Services
Microsoft Azure Cognitive Services
 
EdgeAI: Azure IoT Edge カスタムモジュール開発
EdgeAI: Azure IoT Edge カスタムモジュール開発EdgeAI: Azure IoT Edge カスタムモジュール開発
EdgeAI: Azure IoT Edge カスタムモジュール開発
 
SQL Server 2019 Master Data Service
SQL Server 2019 Master Data ServiceSQL Server 2019 Master Data Service
SQL Server 2019 Master Data Service
 
いま考えられる限り最も速く対話型アプリを開発する方法
いま考えられる限り最も速く対話型アプリを開発する方法いま考えられる限り最も速く対話型アプリを開発する方法
いま考えられる限り最も速く対話型アプリを開発する方法
 
Azure for hackathon
Azure for hackathonAzure for hackathon
Azure for hackathon
 
Extended Events 101 : Japan SQL Server User Group
Extended Events 101 : Japan SQL Server User GroupExtended Events 101 : Japan SQL Server User Group
Extended Events 101 : Japan SQL Server User Group
 
Tech-on Meet Up #02 Microsoft のコンテナ活用事例
Tech-on Meet Up #02 Microsoft のコンテナ活用事例Tech-on Meet Up #02 Microsoft のコンテナ活用事例
Tech-on Meet Up #02 Microsoft のコンテナ活用事例
 
JSSUG: SQL Sever Index Tuning
JSSUG: SQL Sever Index TuningJSSUG: SQL Sever Index Tuning
JSSUG: SQL Sever Index Tuning
 
JSSUG: SQL Sever Performance Tuning
JSSUG: SQL Sever Performance TuningJSSUG: SQL Sever Performance Tuning
JSSUG: SQL Sever Performance Tuning
 
LT: 開発者が意識するべき チャットボットの UX と アーキテクチャ
LT: 開発者が意識するべきチャットボットの UX とアーキテクチャLT: 開発者が意識するべきチャットボットの UX とアーキテクチャ
LT: 開発者が意識するべき チャットボットの UX と アーキテクチャ
 
今更聞けない!?Microsoft Graph で始める Office 365 データ活用と事例の紹介
今更聞けない!?Microsoft Graph で始める Office 365 データ活用と事例の紹介今更聞けない!?Microsoft Graph で始める Office 365 データ活用と事例の紹介
今更聞けない!?Microsoft Graph で始める Office 365 データ活用と事例の紹介
 
LINE Bot リッチメニュー使ってる?
LINE Bot リッチメニュー使ってる?LINE Bot リッチメニュー使ってる?
LINE Bot リッチメニュー使ってる?
 
Line Bot with C#
Line Bot with C#Line Bot with C#
Line Bot with C#
 

Recently uploaded

[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略Ryo Sasaki
 
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)Hiroki Ichikura
 
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNetToru Tamaki
 
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdfTSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdftaisei2219
 
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By DanielPostman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Danieldanielhu54
 
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A surveyToru Tamaki
 
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Yuma Ohgami
 
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する       2024/04/19 の勉強会で発表されたものですSOPを理解する       2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものですiPride Co., Ltd.
 
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システムスマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システムsugiuralab
 
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...Toru Tamaki
 

Recently uploaded (10)

[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
 
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
 
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
 
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdfTSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
 
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By DanielPostman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
 
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
 
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
 
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する       2024/04/19 の勉強会で発表されたものですSOPを理解する       2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
 
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システムスマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
 
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
 

エッジ・組み込みAI勉強会 : コンテナで使う Cognitive Service

  • 1. Cognitive Service Container Support Microsoft Japan Solution Architect Kenichiro Nakamura
  • 2.
  • 3.
  • 6. Service コンテナー 説明 Computer Vision Recognize Text レシート、ポスター、名刺など、さまざまな表面や背景を持ついろいろなオブ ジェクトのイメージから、印刷されたテキストを抽出します。 重要: テキスト認識コンテナーは現在のところ、英語でのみ機能します。 アクセスの要求 Face Face Face には、画像中の人の顔を検出し、顔のパーツ (鼻や目など)、性別、年齢のほ か、マシンが予測するその他の顔の特徴などの属性を識別します。 検出に加えて、 Face では、同じ画像または異なる画像中の 2 つの顏が同じかどうかを信頼スコア を使って確認したり、データベースと顏を比較して、似ている顏や同一の顔が既 に存在するかどうかを調べたりできます。 また、同じ視覚的特徴を使用して、似 た顔をグループに分けて整理することもできます。 アクセスの要求 LUIS LUIS (イメー ジ) トレーニング済みまたは発行済みの Language Understanding モデル ("LUIS アプリ " と呼ばれます) を Docker コンテナーに読み込みます。ユーザーは、そのコンテ ナーの API エンドポイントからクエリ予測を利用することができます。 コンテ ナーからクエリのログを収集し、それらを LUIS ポータルに再度アップロードする ことで、アプリの予測精度を高めることができます。
  • 7. https://azure.microsoft.com/ja-jp/blog/getting-started-with-azure- cognitive-services-in-containers/ Service コンテナー 説明 Text Analytics キー フレーズ抽出 (イメージ) 主なポイントを識別するキー フレーズを抽出します。 たとえば、「食べ物は おいしくて、すばらしいスタッフがいた」というテキストを入力すると、この API は話題の中心として "食べ物" と "すばらしいスタッフ" を返します。 Text Analytics 言語検出 (イメージ) 最大 120 の言語に対して、入力テキストが書かれている言語を検出し、要求で 送信されたドキュメントごとに 1 つの言語コードを報告します。 言語コードは、 評価値の強度を示すスコアと組みになります。 Text Analytics 感情分析 (イメージ) 肯定的または否定的な感情の手がかりを探して未加工のテキストを分析します。 この API はドキュメントごとに 0 から 1 までの感情スコアを返します。1 が最 も肯定的となります。 分析モデルは、広範囲にわたるテキスト本文と Microsoft の自然言語技術を利用して事前トレーニングされています。 一部の 言語については、この API はユーザーが指定したあらゆる未加工テキストを分 析し、評価し、呼び出し元のアプリケーションに結果を直接返すことができま す。
  • 9. コンテナー 最小値 推奨 テキスト認識 1 コア、8 GB メモリ、0.5 TPS 2 コア、8 GB メモリ、1 TPS Face 1 コア、2 GB メモリ 1 コア、4 GB メモリ キー フレーズ抽出 1 コア、2 GB メモリ 1 コア、4 GB メモリ 言語検出 1 コア、2 GB メモリ 1 コア、4 GB メモリ 感情分析 1 コア、2 GB メモリ 1 コア、4 GB メモリ LUIS 1 コア、2 GB メモリ、20 TPS 1 コア、4 GB メモリ、40 TPS https://docs.microsoft.com/ja-jp/azure/cognitive- services/cognitive-services-container-support#next-steps
  • 11.
  • 12. Cognitive Services Vision Containers Request フォーム
  • 14.
  • 15.