快速入門：在 Azure 入口網站中使用搜尋總管來搜尋影像

發行項
10/20/2024

本快速入門顯示如何在 Azure 入口網站中使用 [匯入和向量化資料] 精靈來開始使用影像搜尋。其也會顯示如何使用搜尋總管來執行影像型查詢。

範例資料包含 azure-search-sample-data 存放庫中的影像檔案，但您可以使用不同的影像，而且仍然可以遵循此逐步解說。

必要條件

Azure 訂用帳戶。免費建立一個。
Azure AI 服務多服務帳戶，用於影像向量化和光學字元辨識 (OCR)。影像向量化需要 Azure AI 視覺多模式內嵌。請查看檔，以取得已更新的區域清單。
用於編製索引和查詢的 Azure AI 搜尋服務。它可以在任何層級上，但它必須位於與 Azure AI 多重服務相同的區域中。

服務層級會決定您可以編製索引的 Blob 數目。我們已使用免費層來建立此逐步解說，並將內容限制為 10 個 JPG 檔案。
熟悉精靈。如需詳細資訊，請參閱匯入 Azure 入口網站中的數據精靈。
將影像檔案儲存為 Blob 的 Azure 儲存體。使用 Azure Blob 記憶體或 Azure Data Lake Storage Gen2 (具有階層命名空間的儲存體帳戶)、標準效能 (一般用途 v2) 帳戶。存取層可以是經常性存取層、非經常性存取層和極非經常性存取層。

所有前述資源都必須已啟用公用存取，這樣入口網站節點才能存取這些資源。否則，精靈會失敗。在精靈執行之後，您可以在整合元件上啟用防火牆和私人端點以確保安全性。如需詳細資訊，請參閱在匯入精靈中保護連線。

如果私人端點已存在，而且您無法將其停用，則替代選項是從虛擬機器上的指令碼或程式來執行個別端對端流程。虛擬機器必須位於與私人端點相同的虛擬網路中。以下是適用於整合向量化的 Python 範例程式碼。相同的 GitHub 存放庫具有其他程式設計語言的範例。

免費搜尋服務可支援 Azure AI 搜尋服務連線上的角色型存取控制，但不支援 Azure 儲存體或 Azure AI 視覺輸出連線上的受控識別。這層支援表示您必須對免費搜尋服務與其他 Azure 服務之間的連線使用金鑰型驗證。針對更安全的連線：

使用基本層或更高層級。
設定受控識別和角色指派，以在其他 Azure 服務上接受來自 Azure AI 搜尋服務的要求。

檢查空間

如果您開始使用免費服務，則只能使用三個索引、三個資料來源、三個技能集和三個索引子。開始之前，請先確定您有空間可容納額外的項目。本快速入門會建立各一個物件。

準備範例資料

將 unsplash-signs image 資料夾下載到本機資料夾，或尋找您自己的一些影像。在免費搜尋服務上，將影像檔案數控制在 20 個以下，以保持在擴充處理的免費配額內。
使用您的 Azure 帳戶登入 Azure 入口網站，然後前往您的 Azure 儲存體帳戶。
在左側窗格中，於 [資料儲存體] 下方，選取 [容器]。
建立新的容器，然後上傳影像。

啟動精靈

如果您的搜尋服務和 Azure AI 服務位於相同的支援區域和租用戶，而且您的 Azure 儲存體 Blob 容器使用預設設定，則您已準備好啟動精靈。

使用您的 Azure 帳戶登入 Azure 入口網站，然後移至您的 Azure AI 搜尋服務。
在 [概觀] 頁面上，選取 [匯入並向量化資料]。

連線到您的資料

下一個步驟是連線到提供影像的資料來源。

在 [設定您的資料連線] 頁面上，選取 [Azure Blob 儲存體]。
請指定 Azure 訂用帳戶。
針對 Azure 儲存體，選取可提供資料的帳戶和容器。針對其餘方塊，使用預設值。
選取 [下一步]。

將您的文字向量化

如果原始內容包括文字，或技能集產生文字，則精靈會呼叫文字內嵌模型來產生該內容的向量。在此練習中，將會從您在下一個步驟中新增的 OCR 技能中產生文字。

Azure AI 視覺會提供文字內嵌，因此會使用該資源進行文字向量化。

在 [向量化您的文字] 頁面上，選取 [AI 視覺向量化]。如果無法使用，則請確定 Azure AI 搜尋服務和您的 Azure AI 多服務帳戶都在支援 AI 視覺多模式 API 的區域中。
選取 [下一步]。

向量化並擴充影像

使用 Azure AI 視覺來產生影像檔案的向量表示法。

在此步驟中，您也可以套用 AI 從影像中擷取文字。此精靈會使用來自 Azure AI 服務的 OCR 來辨識影像檔案中的文字。

當 OCR 新增至工作流程時，索引中還會再出現兩個輸出：

chunk 欄位會填入影像中所找到的任何文字的 OCR 產生字串。
text_vector 欄位會填入代表 chunk 字串的內嵌。

如果您想要使用可操作字串的相關性功能 (例如語意排名和評分設定檔)，則 chunk 欄位中所含的純文字十分有用。

在 [向量化影像] 頁面上，選取 [向量化影像] 核取方塊，然後選取 [AI 視覺向量化]。
選取 [使用針對文字向量化選取的相同 AI 服務]。
在擴充區段中，選取 [從影像擷取文字]，和 [使用針對影像向量化選取的相同 AI 服務]。
選取 [下一步]。

對應新欄位

在 [ 進階設定 ] 頁面上，您可以選擇性地新增欄位。根據預設，精靈會產生下列具有這些屬性的欄位：

欄位	適用於	描述
chunk_id	文字和影像向量	產生的字串欄位。可搜尋、可擷取、可排序。這是索引的檔索引鍵。
text_parent_id	影像向量	產生的字串欄位。可擷取、可篩選。識別區塊的來源父檔。
image_parent_id	影像向量	產生的字串欄位。可擷取、可篩選。識別影像的來源父檔。
chunk	文字和影像向量	字串欄位。人類可讀取的數據區塊版本。可搜尋和擷取，但無法篩選、可Facet或可排序。
title	文字和影像向量	字串欄位。人類可讀取的文件標題或頁面標題或頁碼。可搜尋和擷取，但無法篩選、可Facet或可排序。
image_vector	影像向量	集合（Edm.single）。影像的向量表示。可搜尋和擷取，但無法篩選、可Facet或可排序。

您無法修改產生的欄位或其屬性，但如果您的資料來源提供欄位，您可以新增欄位。例如，Azure Blob 儲存體提供元數據欄位的集合。

選取新增。
從可用的欄位清單中選擇來源欄位、提供索引的功能變數名稱，並視需要接受預設資料類型或覆寫。

元數據欄位可搜尋，但無法擷取、可篩選、可 Facet 或可排序。
如果您想要將架構還原為其原始版本，請選取 [重設 ]。

排程編製索引

在 [進階設定] 頁面的 [排程編製索引] 下方，指定索引器的執行排程。建議針對此練習使用「一次」。針對基礎資料不穩定的資料來源，您可以排程編製索引以反映變更。
選取 [下一步]。

完成精靈

在 [檢閱您的設定] 頁面上，指定精靈將建立的物件的前置詞。常用前置詞可協助您保持井然有序。
選取建立。

精靈完成設定時，會建立下列物件：

驅動編制索引管線的索引子。
Azure Blob 儲存體的數據源連線。
具有向量欄位、文字欄位、向量化工具、向量設定檔和向量演算法的索引。您無法在精靈工作流程期間修改預設索引。索引符合 2024-05-01-預覽 REST API，讓您可以使用預覽功能。
具有下列五個技能的技能集：
- OCR 技能可辨識影像檔案中的文字。
- 文字合併技能可統一 OCR 處理的各種輸出。
- 文字分割技能可新增資料區塊處理。此技能內建於精靈工作流程中。
- Azure AI 視覺多模式內嵌技能用來向量化從 OCR 所產生的文字。
- 再次呼叫 Azure AI 視覺多模式內嵌技能，以向量化影像。

檢查結果

[搜尋總管] 可接受文字、向量和影像作為查詢輸入。您可以將影像拖曳或選取到搜尋區域。 [搜尋總管] 會將影像向量化，並將向量作為查詢輸入傳送至搜尋引擎。影像向量化會假設您的索引具有向量化工具定義，這是匯入和向量化資料根據您的內嵌模型輸入所建立的。

在 Azure 入口網站中，移至 [搜尋管理] > [索引]，然後選取您已建立的索引。 [搜尋總管] 是第一個索引標籤。
在 [檢視] 功能表上，選取 [影像檢視]。
從包含範例影像檔案的本機資料夾中拖曳影像。或者，開啟檔案瀏覽器以選取本機影像檔案。
選取 [搜尋] 以執行查詢。

最相符的項目應該是您已搜尋的影像。因為向量搜尋會比對類似的向量，所以搜尋引擎會傳回任何與查詢輸入足夠相似的文件，最多可傳回 k 個結果數目。您可以切換至 JSON 檢視，以取得包括相關性微調的更進階查詢。
請嘗試其他查詢選項以比較搜尋結果：
- 隱藏向量以取得更易讀的結果 (建議使用)。
- 選取要查詢的向量欄位。預設為文字向量，但您可以指定影像向量，以從查詢執行中排除文字向量。

清理

此示範使用可計費的 Azure 資源。如果您不再需要資源，則請將其從您的訂用帳戶中刪除，以避免產生費用。

後續步驟

本快速入門已介紹 [匯入和向量化資料] 精靈，而此精靈會建立影像搜尋需要的所有物件。如果您希望了解每個步驟的詳細資料，請嘗試整合向量化範例。

共用方式為