图像分类数据 API 是一个智能工具,旨在分析视觉内容并返回一系列代表性标签及其置信度水平。它的主要功能是自动识别图像中的元素、物体或概念,使开发人员能够快速、准确且可扩展地将计算机视觉能力集成到他们的应用程序中。
当图像发送到端点时,API 使用经过数百万例训练的先进深度学习模型处理视觉数据。系统评估颜色、形状、纹理和模式等特征,生成一个可能匹配或类别的有序列表。每个标签包括一个“置信度”值,表示模型对所做分类的确定程度。例如,一张咖啡杯的图像可能会生成诸如咖啡、卡布奇诺或浓咖啡等结果,每个结果都有其对应的概率水平。
JSON 格式的结构化响应使集成变得简单,允许您过滤结果、设置置信度阈值或组合标签以获得更丰富的视觉内容描述。此外,其可扩展的架构确保即使在同时处理大量图像时也能提供快速的响应时间和高性能。
简而言之,这个 API 提供了一种强大而现代的自动图像解释解决方案。它的准确检测能力和使用灵活性使其成为任何需要视觉分类、多媒体内容分析或通过计算机视觉增强用户体验的项目的必备工具。
分析图像并返回带有置信度水平的标签,识别存在的物体、颜色和环境,以实现准确的视觉分类
图像标记 - 端点功能
| 对象 | 描述 |
|---|---|
url |
[必需] Enter a URL image |
[{"confidence": 0.9872180819511414, "label": "Coffee cup"}, {"confidence": 0.9810552000999451, "label": "Drinkware"}, {"confidence": 0.9806397557258606, "label": "Cup"}, {"confidence": 0.9805021286010742, "label": "Tableware"}, {"confidence": 0.9769809246063232, "label": "Serveware"}, {"confidence": 0.9642826318740845, "label": "Coffee"}, {"confidence": 0.9397545456886292, "label": "Java coffee"}, {"confidence": 0.9252597689628601, "label": "Teacup"}, {"confidence": 0.9084005951881409, "label": "Heart"}, {"confidence": 0.8848931193351746, "label": "Cup"}]
curl --location --request GET 'https://zylalabs.com/api/11033/image+classification+data+api/20796/labeling+image?url=https://yorkemporium.co.uk/cdn/shop/articles/AdobeStock_315403482_1_b207df01-70f2-407f-ab1f-64f8b66bb010.jpg?v=1756975415&width=5760' --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。
图像分类数据 API 返回一个 JSON 数组的标签,每个标签代表图像中识别的对象或概念。每个标签都伴随着一个置信度分数,表示模型对分类的确定性
响应数据中的关键字段包括“标签”,该字段指定识别的对象或概念,以及“置信度”,这是一个数值(0到1),表示模型对该标签的确定性
响应数据被构造成一个JSON数组,其中每个元素都是一个包含“label”和“confidence”字段的对象。这使得解析和集成到应用程序中变得简单
该端点提供有关图像中存在的物体、颜色和环境的信息 例如,一张咖啡杯的图像可能会返回标签如“咖啡杯”“饮具”和“杯子”
用户可以通过设置信心阈值等参数来定制他们的请求,以过滤掉不太确定的标签。这根据特定应用需求允许更精确的结果
数据准确性通过在数百万张图像上训练的先进深度学习模型来维护持续的模型更新和评估确保API提供可靠和相关的分类
典型的用例包括自动图像分类 多媒体内容分析 以及增强在需要视觉识别的应用中的用户体验,如电子商务或社交媒体平台
如果API返回部分或空结果,用户应实施备份机制,例如显示默认消息或建议替代查询,以增强用户体验并保持用户参与
Zyla API Hub 就像一个大型 API 商店,您可以在一个地方找到数千个 API。我们还为所有 API 提供专门支持和实时监控。注册后,您可以选择要使用的 API。请记住,每个 API 都需要自己的订阅。但如果您订阅多个 API,您将为所有这些 API 使用相同的密钥,使事情变得更简单。
价格以 USD(美元)、EUR(欧元)、CAD(加元)、AUD(澳元)和 GBP(英镑)列出。我们接受所有主要的借记卡和信用卡。我们的支付系统使用最新的安全技术,由 Stripe 提供支持,Stripe 是世界上最可靠的支付公司之一。如果您在使用卡片付款时遇到任何问题,请通过 [email protected]
此外,如果您已经以这些货币中的任何一种(USD、EUR、CAD、AUD、GBP)拥有有效订阅,该货币将保留用于后续订阅。只要您没有任何有效订阅,您可以随时更改货币。
定价页面上显示的本地货币基于您 IP 地址的国家/地区,仅供参考。实际价格以 USD(美元)为单位。当您付款时,即使您在我们的网站上看到以本地货币显示的等值金额,您的卡片对账单上也会以美元显示费用。这意味着您不能直接使用本地货币付款。
有时,银行可能会因其欺诈保护设置而拒绝收费。我们建议您首先联系您的银行,检查他们是否阻止了我们的收费。此外,您可以访问账单门户并更改关联的卡片以进行付款。如果这些方法不起作用并且您需要进一步帮助,请通过 [email protected]
价格由月度或年度订阅决定,具体取决于所选计划。
API 调用根据成功请求从您的计划中扣除。每个计划都包含您每月可以进行的特定数量的调用。只有成功的调用(由状态 200 响应指示)才会计入您的总数。这确保失败或不完整的请求不会影响您的月度配额。
Zyla API Hub 采用月度订阅系统。您的计费周期将从您购买付费计划的那一天开始,并在下个月的同一日期续订。因此,如果您想避免未来的费用,请提前取消订阅。
要升级您当前的订阅计划,只需转到 API 的定价页面并选择您要升级到的计划。升级将立即生效,让您立即享受新计划的功能。请注意,您之前计划中的任何剩余调用都不会转移到新计划,因此在升级时请注意这一点。您将被收取新计划的全部金额。
要检查您本月剩余多少 API 调用,请参考响应标头中的 "X-Zyla-API-Calls-Monthly-Remaining" 字段。例如,如果您的计划允许每月 1,000 个请求,而您已使用 100 个,则响应标头中的此字段将显示 900 个剩余调用。
要查看您的计划允许的最大 API 请求数,请检查 "X-Zyla-RateLimit-Limit" 响应标头。例如,如果您的计划包括每月 1,000 个请求,此标头将显示 1,000。
"X-Zyla-RateLimit-Reset" 标头显示您的速率限制重置之前的秒数。这告诉您何时您的请求计数将重新开始。例如,如果它显示 3,600,则意味着还有 3,600 秒直到限制重置。
是的,您可以随时通过访问您的账户并在账单页面上选择取消选项来取消您的计划。请注意,升级、降级和取消会立即生效。此外,取消后,您将不再有权访问该服务,即使您的配额中还有剩余调用。
您可以通过我们的聊天渠道联系我们以获得即时帮助。我们始终在线,时间为上午 8 点至下午 5 点(EST)。如果您在该时间之后联系我们,我们将尽快回复您。此外,您可以通过 [email protected]
为了让您有机会在没有任何承诺的情况下体验我们的 API,我们提供 7 天免费试用,允许您免费进行最多 50 次 API 调用。此试用只能使用一次,因此我们建议将其应用于您最感兴趣的 API。虽然我们的大多数 API 都提供免费试用,但有些可能不提供。试用在 7 天后或您进行了 50 次请求后结束,以先发生者为准。如果您在试用期间达到 50 次请求限制,您需要"开始您的付费计划"以继续发出请求。您可以在个人资料中的订阅 -> 选择您订阅的 API -> 定价标签下找到"开始您的付费计划"按钮。或者,如果您在第 7 天之前不取消订阅,您的免费试用将结束,您的计划将自动计费,授予您访问计划中指定的所有 API 调用的权限。请记住这一点以避免不必要的费用。
7 天后,您将被收取试用期间订阅的计划的全额费用。因此,在试用期结束前取消很重要。因忘记及时取消而提出的退款请求不被接受。
当您订阅 API 免费试用时,您可以进行最多 50 次 API 调用。如果您希望超出此限制进行额外的 API 调用,API 将提示您执行"开始您的付费计划"。您可以在个人资料中的订阅 -> 选择您订阅的 API -> 定价标签下找到"开始您的付费计划"按钮。
付款订单在每月 20 日至 30 日之间处理。如果您在 20 日之前提交请求,您的付款将在此时间范围内处理。
服务级别:
95%
响应时间:
1,316ms
服务级别:
100%
响应时间:
16,085ms
服务级别:
100%
响应时间:
16,085ms
服务级别:
100%
响应时间:
1,093ms
服务级别:
100%
响应时间:
16,085ms
服务级别:
100%
响应时间:
2,045ms
服务级别:
100%
响应时间:
1,597ms
服务级别:
100%
响应时间:
16,085ms
服务级别:
100%
响应时间:
16,085ms
服务级别:
99%
响应时间:
1,322ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
640ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
2,002ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
323ms