Shelf Product Recognition(미리 보기): 미리 학습된 모델을 사용하여 선반 이미지 분석

제품 인식 기능을 가장 빠르게 사용할 수 있는 방법은 미리 학습된 기본 제공 AI 모델을 사용하는 것입니다. 제품 인식 API를 사용하여 진열대 이미지를 업로드하고 상품의 위치와 빈 공간을 확인할 수 있습니다.

필수 조건

• Azure 구독 - 체험 구독 만들기
• Azure 구독이 있으면 Azure Portal에서 비전 리소스를 만듭니다. 지원되는 Azure 지역에 배포되어야 합니다(지역 가용성 참조). 배포 후 리소스로 이동을 선택합니다.
  • 애플리케이션을 Azure AI 비전 서비스에 연결하려면 만든 리소스의 키와 엔드포인트가 필요합니다. 가이드의 뒷부분에 나오는 코드에 키와 엔드포인트를 붙여넣게 됩니다.
• Blob 스토리지 컨테이너가 있는 Azure Storage 리소스입니다. 지금 만드세요
• cURL 설치 또는 Swagger나 VS Code용 REST 클라이언트 확장과 같은 다른 REST 플랫폼을 사용할 수 있습니다.
• 선반 이미지입니다. 샘플 이미지를 다운로드하거나 자체 이미지를 가져올 수 있습니다. 이미지당 최대 파일 크기는 20MB입니다.

선반 이미지 분석

선반 이미지를 분석하려면 다음 단계를 수행합니다.

1. 분석하려는 이미지를 Blob 스토리지 컨테이너에 업로드하고 절대 URL을 가져옵니다.

2. 다음 curl 명령을 텍스트 편집기에 복사합니다.

   curl -X PUT -H "Ocp-Apim-Subscription-Key: <subscriptionKey>" -H "Content-Type: application/json" "<endpoint>/computervision/productrecognition/ms-pretrained-product-detection/runs/<your_run_name>?api-version=2023-04-01-preview" -d "{
       'url':'<your_url_string>'
   }"
   

3. 필요한 경우 명령에서 다음 내용을 변경합니다.

   1. <subscriptionKey>를 Vision 리소스 키로 바꿉니다.
   2. <endpoint>를 Vision 리소스 엔드포인트로 바꿉니다. 예: https://YourResourceName.cognitiveservices.azure.com
   3. <your_run_name>을 작업 큐의 고유한 테스트 실행 이름으로 바꿉니다. 나중에 API 응답을 검색할 수 있는 비동기 API 작업 큐 이름입니다. 예를 들어 .../runs/test1?api-version...
   4. <your_url_string> 콘텐츠를 이미지의 Blob URL로 바꿉니다.

4. 명령 프롬프트 창을 엽니다.

5. 텍스트 편집기에서 편집한 curl 명령을 명령 프롬프트 창에 붙여넣은 다음 명령을 실행합니다.

응답 검사

성공적인 응답이 JSON을 통해 반환됩니다. 제품 인식 API 결과는 ProductRecognitionResultApiModel JSON 필드에 반환됩니다.

"ProductRecognitionResultApiModel": {
  "description": "Results from the product understanding operation.",
  "required": [
    "gaps",
    "imageMetadata",
    "products"
  ],
  "type": "object",
  "properties": {
    "imageMetadata": {
      "$ref": "#/definitions/ImageMetadataApiModel"
    },
    "products": {
      "description": "Products detected in the image.",
      "type": "array",
      "items": {
        "$ref": "#/definitions/DetectedObject"
      }
    },
    "gaps": {
      "description": "Gaps detected in the image.",
      "type": "array",
      "items": {
        "$ref": "#/definitions/DetectedObject"
      }
    }
  }
}

각 JSON 필드의 정의는 다음 섹션을 참조하세요.

제품 인식 결과 API 모델

제품 인식 작업의 결과입니다.

이미지 메타데이터 API 모델

높이, 너비 및 형식과 같은 이미지 메타데이터 정보입니다.

감지된 개체 API 모델

이미지에서 감지된 개체를 설명합니다.

경계 상자 API 모델

이미지 내 영역의 경계 상자입니다.

이미지 태그 API 모델

레이블의 이미지 분류 신뢰도에 대해 설명합니다.

다음 단계

이 가이드에서는 미리 학습된 제품 인식 REST API를 사용하여 기본 분석 호출을 수행하는 방법을 알아보았습니다. 다음으로 비즈니스 요구 사항을 더 잘 충족할 수 있도록 사용자 지정 제품 인식 모델을 사용하는 방법을 알아보세요.

• 이미지 분석 개요
• API 참조