Skapa anpassade projekt i Document Intelligence Studio

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

Azure AI Document Intelligence 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 Document Intelligence eller Azure AI Foundry behöver du en Azure Blob Storage-container och Azure-rolltilldelningar.

Azure Blob Storage-container

Du behöver ett Azure Blob Storage-konto med standardprestanda. 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 instansinformation> 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:

• Basic

  • Cognitive Services-användare: Du behöver den här rollen för resursen Dokumentinformation eller Azure AI Foundry 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 etikettdata.

• Advanced

  • 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.

  Note

  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 Lagringskontodeltagare och Deltagare kan du visa nycklar, men de ger dig inte behörighet att använda resurserna när nyckelåtkomst är inaktiverad.

Konfigurera CORS

Resursdelning mellan ursprung måste konfigureras på ditt Azure-lagringskonto för att det ska vara tillgängligt från Document Intelligence Studio. För att konfigurera CORS i Azure Portal 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

Automärkta dokument med fördefinierade 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 är duplicerade etiketter möjliga när autoetiketten 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 lägger du till dem i träningsdatauppsättningen och ometiketter 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 Projektdelning 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.
• Se snabbstarterna för rest-API:et v4.0 för att prova v3.0-funktionerna med hjälp av det nya REST-API:et.
• Kom igång med Document Intelligence Studio.