[{"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/11032/image+tagging+api/20800/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'
Después de registrarte, a cada desarrollador se le asigna una clave de acceso a la API personal, una combinación única de letras y dígitos proporcionada para acceder a nuestro endpoint de la API. Para autenticarte con el Etiquetado de imágenes API simplemente incluye tu token de portador en el encabezado de Autorización.
| 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.
(Ahorra 2 meses pagando anualmente 🎉)
La API de Etiquetado de Imágenes es una herramienta inteligente diseñada para analizar contenido visual y devolver una lista de etiquetas representativas acompañadas de un nivel de confianza Su función principal es identificar automáticamente los elementos objetos o conceptos presentes en una imagen permitiendo a los desarrolladores integrar capacidades de visión por computadora en sus aplicaciones de manera rápida precisa y escalable
Cuando se envía una imagen al punto final la API procesa los datos visuales utilizando modelos avanzados de aprendizaje profundo entrenados con millones de ejemplos El sistema evalúa características como colores formas texturas y patrones generando una lista ordenada de posibles coincidencias o categorías Cada etiqueta incluye un valor de “confianza” que indica el grado de certeza del modelo respecto a la clasificación realizada Por ejemplo una imagen de una taza de café podría generar resultados como Café Capuchino o Espresso cada uno con su correspondiente nivel de probabilidad
La respuesta estructurada en formato JSON facilita la integración permitiendo filtrar resultados establecer umbrales de confianza o combinar etiquetas para obtener una descripción más rica del contenido visual Además su arquitectura escalable garantiza tiempos de respuesta rápidos y un alto rendimiento incluso al procesar grandes cantidades de imágenes simultáneamente
En resumen esta API ofrece una solución poderosa y moderna para la interpretación automatizada de imágenes Sus capacidades de detección precisa y flexibilidad de uso la convierten en una herramienta esencial para cualquier proyecto que requiera clasificación visual análisis de contenido multimedia o mejora de la experiencia del usuario a través de la visión por computadora
La API de etiquetado de imágenes devuelve un array JSON de etiquetas cada una representando objetos o conceptos identificados en la imagen Cada etiqueta está acompañada de un puntaje de confianza que indica la certeza del modelo sobre la clasificación
Los campos clave en los datos de respuesta incluyen "label" que especifica el objeto o concepto identificado y "confidence" que es un valor numérico (de 0 a 1) que representa la certeza del modelo con respecto a esa etiqueta
Los datos de respuesta están estructurados como un arreglo JSON donde cada elemento es un objeto que contiene los campos "label" y "confidence" Esto permite un fácil análisis e integración en aplicaciones
El punto final proporciona información sobre objetos colores y entornos presentes en la imagen Por ejemplo una imagen de una taza de café puede devolver etiquetas como "Taza de café" "Vajilla" y "Taza"
Los usuarios pueden personalizar sus solicitudes estableciendo parámetros como umbrales de confianza para filtrar etiquetas menos seguras. Esto permite obtener resultados más precisos basados en las necesidades específicas de la aplicación
La precisión de los datos se mantiene a través de modelos avanzados de aprendizaje profundo entrenados en millones de imágenes Las actualizaciones y evaluaciones continuas del modelo aseguran que la API proporcione clasificaciones confiables y relevantes
Los casos de uso típicos incluyen la clasificación automatizada de imágenes el análisis de contenido multimedia y la mejora de la experiencia del usuario en aplicaciones que requieren reconocimiento visual como plataformas de comercio electrónico o redes sociales
Si la API devuelve resultados parciales o vacíos, los usuarios deben implementar mecanismos de respaldo, como mostrar un mensaje predeterminado o sugerir consultas alternativas, para mejorar la experiencia del usuario y mantener el compromiso