步骤概述

定制的 OCR 解决方案提供了在文档或图像中定义唯一类别的功能。通过与各种客户合作开发定制 OCR 解决方案，我们经常听到这样的问题：“此解决方案在我的数据上表现如何？我们开发了一种方法，允许使用表单识别器工作室根据自定义数据对 Microsoft 的表单识别器进行基准测试，并在一个过程中使用基本事实批注训练自定义模型。

使用表单识别器工作室批注基本事实

在训练自定义表单识别器模型之前，必须具有标记或批注的数据集，也称为基本事实。为了提供注释过程的示例，我们创建了一个扫描的手写邮政地址的示例图像。真实名称为“John Doe”，地址为“000 Fifth Ave， NY 10065， USA”，如下图所示：

阅读全文

Azure 视频索引器很高兴地宣布推出一项名为“特色服装”的新功能，该功能现已推出公共预览版。

借助此功能，发布商和广告主可以利用深入的上下文理解，在观看者最容易接受与广告互动的最相关时间投放最相关的广告。

这种洞察力使用先进的人工智能来深入了解关键时刻、主要角色、重要场景和所显示的情感，所有这些都是为了识别视频中出现的关键服装项目。对于这些服装商品，我们会提供它们出现的确切帧以及更多信息（例如边界框和时间码），这些信息可以帮助广告主和发布商匹配类似服装商品的相关广告，并将其放置在该商品在视频中展示的确切时刻。

阅读全文

PDF文档广泛用于业务流程。数字创建的 PDF 使用起来非常方便。可以搜索、突出显示和批注文本。不幸的是，许多PDF是通过扫描图像或将图像转换为PDF来创建的。这些 PDF 中没有数字文本，因此无法搜索它们。在这篇博文中，我们演示了如何使用简单易用的代码和 Azure 表单识别器将此类 PDF 转换为可搜索的 PDF。

Azure 表单识别器概述

Azure 表单识别器是一种基于云的 Azure 应用 AI 服务，它使用深度机器学习模型从文档中提取文本、键值对、表和表单字段。在这篇博文中，我们将使用表单识别器提取的文本将其添加到 PDF 中，使其可搜索。

阅读全文

概述

我们很高兴地宣布正式发布自动化机器学习 （AutoML） 训练代码生成。借助此功能，用户可以查看其 AutoML 模型背后的训练脚本，以确保他们对模型的训练方式完全透明。用户还可以使用该脚本根据其用例的需要自定义/调整训练，从而使他们能够快速将 AutoML 模型转移到生产环境中。

为什么这很重要？

AutoML对于数据科学家来说是一个非常强大的工具。他们需要做的就是提供数据并配置基本作业参数，AutoML 会迭代适用的 ML 算法，以根据提供的数据和所选的准确性指标训练理想的模型。然而，我们经常听到 AutoML 是一个黑匣子——禁止数据科学家生产 AutoML 模型。

阅读全文

概述

由于AzureML是许多PyTorch开发人员的首选平台，我们开发了新的Azure Container for PyTorch（ACPT），这是一个精心策划的环境，包括最好的Microsoft技术，用于在Azure上使用PyTorch进行训练。我们很高兴地宣布 Azure 机器学习 （AzureML） 中的 ACPT 公共预览版。这个新的特选环境是一个轻量级的独立环境，其中包含在 AzureML 上有效运行大型模型优化训练所需的组件。默认情况下，AzureML 特选环境在用户的工作区中可用，并由使用最新版本的 AzureML SDK 的缓存 Docker 映像提供支持。它有助于降低准备成本并缩短部署时间。

阅读全文

搜索索引是不可变的，这意味着如果需要更新索引，通常需要删除并重新生成索引或创建新索引，然后迁移应用程序。像这样交换搜索索引会增加管理搜索索引的复杂性，如果最终需要在多个位置更新应用程序设置或需要重新部署代码，则可能会很困难。

为了帮助更轻松地交换索引，Azure 认知搜索现在支持预览版提供的索引别名。别名是辅助名称，可用于引用索引以进行查询、索引和其他文档操作。您可以通过 REST API、Visual Studio Code 扩展或 SDK 创建别名。

POST https://[service name].search.windows.net/aliases?api-version=2021-04-30-Preview

1
2
3
4

{
   "name": "my-alias",
   "indexes": ["hotel-samples-index"]
}

如果您发现自己相当频繁地更新搜索索引，则可能会从使用别名中受益。下图显示了在应用程序中使用索引别名的典型工作流。

阅读全文

在当今复杂的云环境中，公司使用来自多个来源的技术是很常见的。云计算平台通常是企业IT环境的基础，由独立软件供应商和满足业务和工业垂直需求的产品补充。通过 H2O.ai 和 Azure 机器学习之间的集成，我们使客户能够使用类似 SaaS 的工具实现模型创建民主化，并选择符合其企业要求的部署技术。

使用 H2O.ai 的 AzureML 集成，H2O.ai 中构建的模型现在显示为 AzureML 工作区中的已部署模型。这意味着任何用户或产品现在都可以通过简单的 API 调用利用 AzureML 中托管的 H2O.ai 模型的推理终结点。这使得组织模型的采用更加容易，允许用户访问整个企业 IT 环境中的模型，而无需更改现有的部署策略。

阅读全文