Envía el archivo de imagen del que deseas reconocer el objeto. Recibe la etiqueta y la puntuación de confianza.
Vigilancia de Seguridad: La API se puede utilizar en sistemas de seguridad para monitorear y analizar transmisiones de video en vivo, identificando amenazas potenciales como accesos no autorizados, objetos sospechosos o actividades inusuales, mejorando la respuesta de seguridad en tiempo real.
Conducción Autónoma: En coches autónomos, la API desempeña un papel crucial en la identificación y clasificación de objetos en la carretera, como peatones, otros vehículos, señales de tránsito y obstáculos, asegurando una navegación segura y eficiente.
Comercio Electrónico: Los minoristas en línea pueden utilizar la API para etiquetar y categorizar automáticamente productos en imágenes, mejorando la funcionalidad de búsqueda, las recomendaciones de productos y la gestión de inventario al reconocer artículos y sus atributos.
Salud: En imágenes médicas, la API ayuda a diagnosticar condiciones al detectar anomalías en radiografías, RMIs o tomografías computarizadas, como tumores, fracturas u otras condiciones médicas, apoyando así un diagnóstico preciso y oportuno.
Realidad Aumentada (AR): La API mejora las aplicaciones de AR al detectar y rastrear objetos en tiempo real, permitiendo experiencias interactivas como la colocación de objetos virtuales, superposiciones de información en tiempo real y entornos de juego inmersivos.
Además del número de llamadas a la API, no hay ninguna otra limitación.
Dada una imagen de entrada, devuelva una lista de etiquetas de objetos detectados, porcentajes de confianza y cajas delimitadoras. Los objetos con una confianza inferior a 0.3 (30%) son filtrados.
Detección - Características del Endpoint
| Objeto | Descripción |
|---|---|
Cuerpo de la Solicitud |
[Requerido] Archivo Binario |
[{"label": "boat", "confidence": "0.82", "bounding_box": {"x1": "85", "y1": "50", "x2": "621", "y2": "328"}}, {"label": "person", "confidence": "0.48", "bounding_box": {"x1": "528", "y1": "232", "x2": "541", "y2": "248"}}, {"label": "person", "confidence": "0.43", "bounding_box": {"x1": "563", "y1": "231", "x2": "573", "y2": "247"}}, {"label": "person", "confidence": "0.41", "bounding_box": {"x1": "203", "y1": "64", "x2": "217", "y2": "92"}}, {"label": "person", "confidence": "0.38", "bounding_box": {"x1": "556", "y1": "264", "x2": "572", "y2": "293"}}, {"label": "person", "confidence": "0.37", "bounding_box": {"x1": "558", "y1": "189", "x2": "578", "y2": "212"}}, {"label": "person", "confidence": "0.34", "bounding_box": {"x1": "229", "y1": "66", "x2": "240", "y2": "94"}}, {"label": "person", "confidence": "0.34", "bounding_box": {"x1": "203", "y1": "79", "x2": "216", "y2": "98"}}, {"label": "person", "confidence": "0.33", "bounding_box": {"x1": "155", "y1": "182", "x2": "173", "y2": "210"}}, {"label": "person", "confidence": "0.33", "bounding_box": {"x1": "231", "y1": "80", "x2": "241", "y2": "97"}}, {"label": "person", "confidence": "0.32", "bounding_box": {"x1": "536", "y1": "267", "x2": "554", "y2": "290"}}, {"label": "person", "confidence": "0.31", "bounding_box": {"x1": "492", "y1": "234", "x2": "510", "y2": "249"}}]
curl --location 'https://zylalabs.com/api/4394/object+detection+api/5400/detection' \
--header 'Content-Type: application/json' \
--form 'image=@"FILE_PATH"'
| Encabezado | Descripción |
|---|---|
Autorización
|
[Requerido] Debería ser Bearer access_key. Consulta "Tu Clave de Acceso a la API" arriba cuando estés suscrito. |
Sin compromiso a largo plazo. Mejora, reduce o cancela en cualquier momento. La Prueba Gratuita incluye hasta 50 solicitudes.
La API admite varios formatos de imagen, incluidos JPEG, PNG, BMP y TIFF. Puede procesar imágenes de diferentes resoluciones, aunque las imágenes de mayor calidad pueden ofrecer resultados más precisos.
La API está diseñada para detectar y reconocer múltiples objetos dentro de una sola imagen. Devuelve cuadros delimitadores para cada objeto identificado junto con las etiquetas de clasificación correspondientes y las puntuaciones de confianza.
La API ofrece una alta precisión en la detección de objetos, con métricas de precisión y recuperación que varían según la complejidad de la escena y la calidad de la imagen de entrada. Las actualizaciones regulares y las mejoras del modelo mejoran el rendimiento con el tiempo.
El tiempo de respuesta depende del tamaño de la imagen y del número de objetos dentro de la imagen. Generalmente, la API está optimizada para baja latencia, proporcionando resultados en unos pocos cientos de milisegundos para tamaños de imagen estándar.
Mientras la API viene preentrenada en grandes y diversos conjuntos de datos, hay opciones de personalización disponibles. Los usuarios pueden ajustar el modelo con sus propios conjuntos de datos para mejorar la precisión en categorías de objetos específicas relevantes para su aplicación.
El punto final de detección devuelve una lista de objetos detectados en la imagen de entrada, incluyendo sus etiquetas, puntuaciones de confianza y coordenadas de la caja delimitadora. Cada objeto se representa como un objeto JSON dentro de un arreglo.
Los campos clave en los datos de respuesta incluyen "label" (el nombre del objeto identificado), "confidence" (la probabilidad de que la detección sea precisa) y "bounding_box" (coordenadas que definen la ubicación del objeto en la imagen).
Los datos devueltos están estructurados en formato JSON. Consisten en un array de objetos, cada uno conteniendo campos de "label", "confidence" y "bounding_box", donde "bounding_box" incluye las coordenadas x1, y1, x2 y y2.
El punto final de detección proporciona información sobre los objetos identificados, incluidas sus categorías (etiquetas), niveles de confianza y ubicaciones espaciales dentro de la imagen, lo que permite un análisis detallado del contenido visual.
Los datos de respuesta están organizados como un arreglo JSON, donde cada elemento corresponde a un objeto detectado. Cada objeto contiene campos para la etiqueta, el puntaje de confianza y las coordenadas del cuadro delimitador, facilitando así un análisis y un procesamiento fáciles.
Los casos de uso típicos incluyen la vigilancia de seguridad para la detección de amenazas, la conducción autónoma para el reconocimiento de obstáculos, el comercio electrónico para la etiquetado de productos y la atención médica para la identificación de anomalías en las imágenes médicas.
Los usuarios pueden utilizar los datos devueltos analizando las puntuaciones de confianza para filtrar detecciones de baja confianza, usando las coordenadas de los cuadros delimitadores para superposiciones visuales y categorizando objetos para un procesamiento adicional en sus aplicaciones.
La precisión de los datos se mantiene a través del entrenamiento continuo del modelo en conjuntos de datos diversos, actualizaciones regulares y evaluaciones de rendimiento. Esto asegura que la API se adapte a varios contextos y mejore sus capacidades de detección con el tiempo.
Nivel de Servicio:
100%
Tiempo de Respuesta:
0ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
0ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
0ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
856ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
913ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
969ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
2.213ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.217ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
0ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
197ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
467ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
381ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
172ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
81ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.541ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
2.429ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
638ms
Nivel de Servicio:
83%
Tiempo de Respuesta:
564ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
570ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
684ms