物种检测API旨在准确识别图像中的动物物种。只需上传一张图片,它就提供了一种快速可靠的方式来识别各种动物。该API支持识别常见的家养动物和在偏远栖息地中发现的珍稀野生动物。
利用经过大规模数据集训练的尖端机器学习模型,该API分析视觉特征,如毛发图案、皮肤纹理、颜色、身体形状和其他独特特征,以确定物种。
物种检测API易于实施,且与多种编程语言和平台完全兼容。其直观的界面使开发人员能够轻松地将其无缝集成到网络或移动应用中。
{"success":true,"image_url":"https://upload.wikimedia.org/wikipedia/commons/b/be/Orang_Utan%2C_Semenggok_Forest_Reserve%2C_Sarawak%2C_Borneo%2C_Malaysia.JPG","output":[{"label":"Orangutan","score":0.99}]}
curl --location --request POST 'https://zylalabs.com/api/7122/species+detection+api/11229/animal+identifier?url=https://upload.wikimedia.org/wikipedia/commons/b/be/Orang_Utan%2C_Semenggok_Forest_Reserve%2C_Sarawak%2C_Borneo%2C_Malaysia.JPG' --header 'Authorization: Bearer YOUR_API_KEY'
| 标头 | 描述 |
|---|---|
授权
|
[必需] 应为 Bearer access_key. 订阅后,请查看上方的"您的 API 访问密钥"。 |
无长期承诺。随时升级、降级或取消。 免费试用包括最多 50 个请求。
动物识别端点返回一个包含成功状态、图像 URL 和分类结果数组的 JSON 对象。每个结果包括一个猫种类标签和一个指示分类准确度的置信度分数
响应数据中的关键字段包括“success”(布尔值)、“image_url”(字符串)和“output”(数组)。“output”数组包含具有“label”(物种名称)和“score”(置信度)属性的对象
响应数据被结构化为JSON对象 它以成功指示符开始 然后是图像URL 最后是一个分类结果数组 每个结果详细说明了识别的物种及其置信度分数
动物识别端点提供有关物种的信息,包括基于图像分析的名称和置信度分数
动物识别端点需要一个参数:图像URL 用户必须提供一个有效的URL 指向他们希望分类的鸟类图像
用户可以通过解释物种识别的“标签”和评估分类可靠性的“分数”来利用返回的数据。更高的分数表示对识别结果的更大信心
数据准确性通过先进的机器学习算法得到维持,这些算法分析猫的视觉特征。持续利用多样化的数据集进行训练有助于提高模型的性能和可靠性
服务级别:
100%
响应时间:
1,217ms
服务级别:
100%
响应时间:
913ms
服务级别:
100%
响应时间:
731ms
服务级别:
100%
响应时间:
1,462ms
服务级别:
100%
响应时间:
888ms
服务级别:
100%
响应时间:
2,213ms
服务级别:
100%
响应时间:
263ms
服务级别:
100%
响应时间:
832ms
服务级别:
100%
响应时间:
1,373ms
服务级别:
100%
响应时间:
238ms
服务级别:
100%
响应时间:
8,561ms
服务级别:
100%
响应时间:
1,414ms
服务级别:
100%
响应时间:
11,333ms
服务级别:
100%
响应时间:
5,838ms
服务级别:
100%
响应时间:
1,209ms
服务级别:
100%
响应时间:
1,064ms
服务级别:
100%
响应时间:
3,823ms
服务级别:
100%
响应时间:
6,392ms
服务级别:
100%
响应时间:
198ms
服务级别:
100%
响应时间:
3,831ms