객체 감지는 태깅과 유사하지만 API는 적용된 각 태그에 대한 경계 상자 좌표를 반환합니다. 예를 들어 이미지에 개, 고양이 및 사람이 포함된 경우 감지 작업은 이미지의 좌표와 함께 해당 개체를 나열합니다.
참조:
https://docs.microsoft.com/en-us/ai-builder/object-detection-overview
https://docs.microsoft.com/en-us/azure/cognitive-services/computer-vision/overview-ocr
https://docs.microsoft.com/en-us/azure/azure-video-analyzer/video-analyzer-for-media-docs/video-indexer-overview

참조:
https://docs.microsoft.com/en-gb/azure/cognitive-services/qnamaker/concepts/data-sources-and-content
https://docs.microsoft.com/en-us/azure/cognitive-services/luis/choose-natural-language-processing-service QnA 메이커 대화형 AI 서비스로 SQL 데이터베이스와 아무 상관이 없는 사용자를 쉽게 생성할 수 있습니다. 두 가지 핵심 기술의 조합을 사용하여 Microsoft Azure에서 봇 솔루션을 지원합니다.
- QnA 메이커. 이 코그너티브 서비스를 사용하면 자연어 처리 기능이 내장된 지식 기반을 만들고 게시할 수 있습니다.
- 애저 봇 서비스. 이 서비스는 Azure에서 봇을 개발, 게시 및 관리하기 위한 프레임워크를 제공합니다.
https://docs.microsoft.com/en-us/learn/modules/build-faq-chatbot-qna-maker-azure-bot-service/2-get-started-qna-bot LUIS는 사용자 의도를 이해하는 데 사용됩니다. 발언에서.
언어 이해를 사용하여 언어 이해 응용 프로그램을 만드는 것은 두 가지 주요 작업으로 구성됩니다. 먼저 언어 모델을 교육하는 데 사용할 엔터티, 의도 및 발화를 정의해야 합니다(모델 작성이라고 함). 그런 다음 클라이언트 애플리케이션이 사용자 입력을 기반으로 하는 인텐트 및 엔터티 예측에 사용할 수 있도록 모델을 게시해야 합니다.
https://docs.microsoft.com/en-us/azure/cognitive-services/luis/choose-natural-language-processing-service

설명
그래픽 사용자 인터페이스, 텍스트, 애플리케이션, 편지, 이메일 설명이 자동으로 생성됨

설명

참조:
https://docs.microsoft.com/en-gb/azure/cognitive-services/qnamaker/concepts/data-sources-and-content
https://docs.microsoft.com/en-us/azure/cognitive-services/luis/choose-natural-language-processing-service

참조:
https://docs.microsoft.com/en-us/azure/cognitive-services/custom-vision-service/home