Skapa anpassade projekt i Document Intelligence Studio

Det här innehållet gäller för:v4.0 (GA) | Tidigare versioner:v3.1 (GA)v3.0 (dras tillbaka)

Azure Document Intelligence i Foundry Tools Studio är ett onlineverktyg som du kan använda för att visuellt utforska, förstå och integrera funktioner från Dokumentinformation i dina program. Den här snabbstarten visar hur du konfigurerar ett anpassat projekt i Document Intelligence Studio.

Förutsättningar

Information om prenumeration, resurs och autentisering finns i Komma igång med Document Intelligence Studio.

Förutsättningar för nya användare

Förutom ett Azure-konto och resursen Dokumentinformation eller Microsoft Foundry behöver du en Azure Blob Storage container och Azure rolltilldelningar.

Azure Blob Storage-behållare

Du behöver ett standardkonto för prestanda Azure Blob Storage. Du kan skapa containrar för att lagra och organisera dina träningsdokument i ditt lagringskonto. Om du inte vet hur du skapar ett Azure lagringskonto med en container följer du dessa snabbstarter:

• Skapa ett lagringskonto: När du skapar ditt lagringskonto går du till fältetPrestanda för > och väljer Standardprestanda.
• Skapa en container: När du skapar containern i fönstret Ny container anger du fältet Offentlig åtkomstnivå till Container (anonym läsåtkomst för containrar och blobar).

Azure rolltilldelningar

För anpassade projekt krävs följande rolltilldelningar för olika scenarier:

• Grundläggande

  • Cognitive Services User: Du behöver den här rollen för dokumentinformationen eller Microsoft Foundry-resursen för att träna den anpassade modellen eller göra analyser med tränade modeller.
  • Storage Blob Data-deltagare: Du behöver den här rollen för lagringskontot för att skapa ett projekt och märka data.

• Avancerade

  • Lagringskontodeltagare: Du behöver den här rollen för lagringskontot för att konfigurera CORS-inställningar (cross-origin resource sharing). (Den här åtgärden är en engångsåtgärd om samma lagringskonto återanvänds.)
  • Deltagare: Du behöver den här rollen för att skapa en resursgrupp och resurser.

  Observera

  Om lokal (nyckelbaserad) autentisering är inaktiverad för din dokumentinformationstjänstresurs och ditt lagringskonto måste du skaffa roller för Cognitive Services-användare respektive Storage Blob Data Contributor så att du har tillräckligt med behörigheter för att använda Document Intelligence Studio. Med rollerna "Storage Account Contributor" och "Contributor" kan du visa nycklar, men de ger dig inte behörighet att använda resurserna när nyckelåtkomsten är inaktiverad.

Konfigurera CORS

Cross-origin resursdelning måste konfigureras på ditt Azure lagringskonto för att det ska vara tillgängligt från Document Intelligence Studio. För att konfigurera CORS i Azure-portalen behöver du åtkomst till cors-fliken för ditt lagringskonto.

1. Välj fliken CORS för lagringskontot.

   

2. Börja med att skapa en ny CORS-post på fliken Blob Service .

3. Ange Tillåtet ursprung till https://documentintelligence.ai.azure.com.

   

   Du kan använda jokertecknet * i stället för en angiven domän för att tillåta att alla ursprungsdomäner gör begäranden via CORS.

4. Välj alla tillgängliga åtta alternativ för Tillåtna metoder.

5. Godkänn alla tillåtna rubriker och exponerade rubriker genom att ange en asterisk (*) i varje fält.

6. Ange Maxålder till 120 sekunder eller ett acceptabelt värde.

7. Spara ändringarna genom att välja Spara överst på sidan.

CORS bör nu konfigureras för att använda lagringskontot från Document Intelligence Studio.

Exempeldokumentuppsättning

1. Logga in på Azure-portalen. Gå till ditt lagringskonto och väljDatalagringscontainrar>.

   

2. Välj en container i listan.

3. Välj Ladda upp på menyn överst på sidan.

   

4. I fönstret Ladda upp blob väljer du de filer som ska laddas upp.

   

Använda Funktionerna i Document Intelligence Studio

Automärk dokument med inbyggda modeller eller en av dina egna modeller

På etiketteringssidan för den anpassade extraheringsmodellen kan du nu automatiskt märka dina dokument med hjälp av någon av de fördefinierade modellerna för Document Intelligent Service eller dina tränade modeller.

För vissa dokument kan duplicerade etiketter förekomma när autolabel-funktionen har körts. Se till att ändra etiketterna så att det inte finns några dubblettetiketter på etikettsidan efteråt.

Autoetiketttabeller

På etikettsidan för den anpassade extraheringsmodellen kan du nu automatiskt märka tabellerna i dokumentet utan att behöva märka tabellerna manuellt.

Lägga till testfiler direkt i din träningsdatauppsättning

När du har tränat en anpassad extraheringsmodell använder du testsidan för att förbättra modellkvaliteten genom att ladda upp testdokument till träningsdatauppsättningen om det behövs.

Om en låg konfidenspoäng returneras för vissa etiketter ska du se till att etikettera innehållet korrekt. Om inte, lägg till dem i träningsdatauppsättningen och märk om för att förbättra modellkvaliteten.

Använd alternativen och filtren för dokumentlistan i anpassade projekt

Använd etiketteringssidan för den anpassade extraheringsmodellen för att enkelt gå igenom dina träningsdokument genom att använda sök-, filter- och sorteringsfunktionerna.

Använd rutnätsvyn för att förhandsgranska dokument, eller använd listvyn för att rulla igenom dokument enklare.

Projektdelning

Dela anpassade extraheringsprojekt med lätthet. Mer information finns i Projekt delning med anpassade modeller.

Relaterat innehåll

• Följ migreringsguiden för Document Intelligence v3.1 för att lära dig skillnaderna från den tidigare versionen av REST-API:et.
• Utforska V4.0 SDK-snabbstarterna för att prova v3.0-funktionerna i dina program med hjälp av de nya klientbiblioteken.
• Referera till snabbstarterna för REST API:et v4.0 för att testa funktionerna i v3.0 med hjälp av det nya REST API:et.
• Kom igång med Document Intelligence Studio.