[{"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'
साइन अप करने के बाद, प्रत्येक डेवलपर को एक पर्सनल API एक्सेस की असाइन की जाती है, जो अक्षरों और अंकों का एक यूनिक संयोजन होता है, जिसका उपयोग हमारे API एंडपॉइंट तक पहुंचने के लिए किया जाता है। प्रमाणीकरण के लिए इमेज टैगिंग API के साथ बस अपने बेयरर टोकन को Authorization हेडर में शामिल करें।
| हेडर | विवरण |
|---|---|
Authorization
|
आवश्यक
होना चाहिए Bearer access_key. जब आप सब्सक्राइब हों तो ऊपर "Your API Access Key" देखें।
|
कोई लंबी अवधि की प्रतिबद्धता नहीं। कभी भी अपग्रेड, डाउनग्रेड या कैंसल करें। फ्री ट्रायल में 50 रिक्वेस्ट तक शामिल हैं।
(वार्षिक बिलिंग के साथ 2 महीने बचाएँ 🎉)
इमेज टैगिंग एपीआई एक बुद्धिमान उपकरण है जिसे दृश्य सामग्री का विश्लेषण करने और एक प्रतिनिधि टैग की सूची लौटाने के लिए डिज़ाइन किया गया है, जिसमें एक विश्वास स्तर के साथ होता है। इसका मुख्य कार्य एक छवि में मौजूद तत्वों, वस्तुओं या अवधारणाओं की स्वचालित पहचान करना है, जिससे डेवलपर्स अपने अनुप्रयोगों में कंप्यूटर दृष्टि क्षमताओं को जल्दी, सटीकता और विस्तार से एकीकृत कर सकते हैं
जब एक छवि को एंडपॉइंट पर भेजा जाता है, तो एपीआई दृश्य डेटा को लाखों उदाहरणों के साथ प्रशिक्षित किए गए उन्नत गहरे सीखने वाले मॉडल का उपयोग करके संसाधित करता है। सिस्टम रंगों, आकृतियों, बनावटों और पैटर्न जैसी विशेषताओं का मूल्यांकन करता है, संभावित मैचों या श्रेणियों की एक क्रमबद्ध सूची उत्पन्न करता है। प्रत्येक टैग में एक “विश्वास” मान होता है जो वर्गीकरण के बारे में मॉडल की निश्चितता के स्तर को संकेत करता है। उदाहरण के लिए, एक कॉफी कप की छवि ऐसे परिणाम उत्पन्न कर सकती है जैसे कॉफी, कैपुचिनो या एस्प्रेसो, प्रत्येक के साथ इसके उपयुक्त प्रायिकता स्तर के साथ
संरचित प्रतिक्रिया JSON प्रारूप में एकीकरण को आसान बनाती है, जिससे आप परिणामों को फ़िल्टर कर सकते हैं, विश्वास सीमा निर्धारित कर सकते हैं, या दृश्य सामग्री का समृद्ध विवरण प्राप्त करने के लिए लेबल को संयोजित कर सकते हैं। इसके अलावा, इसका स्केलेबल आर्किटेक्चर तेजी से प्रतिक्रिया समय और उच्च प्रदर्शन सुनिश्चित करता है, यहां तक कि एक साथ बड़ी संख्या में छवियों को संसाधित करते समय भी
संक्षेप में, यह एपीआई स्वचालित छवि व्याख्या के लिए एक शक्तिशाली और आधुनिक समाधान प्रदान करता है। इसकी सटीक पहचान क्षमताएं और उपयोग में लचीलेपन इसे किसी भी परियोजना के लिए एक अनिवार्य उपकरण बनाते हैं जो दृश्य वर्गीकरण, मल्टीमीडिया सामग्री विश्लेषण या कंप्यूटर दृष्टि के माध्यम से उपयोगकर्ता अनुभव में सुधार की आवश्यकता होती है
छवि टैगिंग एपीआई लेबल्स का एक JSON एरे लौटाता है प्रत्येक लेबल छवि में पहचाने गए वस्तुओं या अवधारणाओं का प्रतिनिधित्व करता है प्रत्येक लेबल के साथ एक विश्वास स्कोर होता है जो वर्गीकरण के बारे में मॉडल की निश्चितता को दर्शाता है
प्रतिक्रिया डेटा में मुख्य क्षेत्र "लेबल" हैं जो पहचाने गए वस्तु या अवधारणा को निर्दिष्ट करता है और "विश्वास" जो एक संख्याात्मक मान (0 से 1) है जो उस लेबल के बारे में मॉडल की निश्चितता को दर्शाता है
प्रतिक्रिया डेटा एक JSON एरे के रूप में संरचित है जहां प्रत्येक तत्व एक ऑब्जेक्ट है जिसमें "लेबल" और "विश्वास" क्षेत्र होते हैं यह अनुप्रयोगों में आसान पार्सिंग और एकीकरण की अनुमति देता है
एंडपॉइंट छवि में मौजूद वस्तुओं रंगों और वातावरण के बारे में जानकारी प्रदान करता है उदाहरण के लिए एक कॉफी कप की छवि टैग जैसी जानकारी दे सकती है "कॉफी कप" "पेय बर्तन" और "कप"
उपयोगकर्ता अपने अनुरोधों को कन्फिडेंस थ्रेशोल्ड जैसी पैरामीटर सेट करके अनुकूलित कर सकते हैं ताकि कम निश्चित लेबल को बाहर किया जा सके यह विशेष एप्लिकेशन की जरूरतों के आधार पर अधिक सटीक परिणामों की अनुमति देता है
डेटा की सटीकता मिलियनों छवियों पर प्रशिक्षित उन्नत गहन सीखने के मॉडलों के माध्यम से बनाए रखी जाती है निरंतर मॉडल अपडेट और मूल्यांकन यह सुनिश्चित करते हैं कि एपीआई विश्वसनीय और प्रासंगिक वर्गीकरण प्रदान करता है
विशिष्ट उपयोग के मामले में स्वचालित छवि वर्गीकरण मल्टीमीडिया सामग्री विश्लेषण और ऐसे अनुप्रयोगों में उपयोगकर्ता अनुभव को बढ़ाना शामिल है जिनकी दृश्य पहचान की आवश्यकता होती है जैसे ई-कॉमर्स या सामाजिक मीडिया प्लेटफार्म
यदि एपीआई आंशिक या खाली परिणाम लौटाती है तो उपयोगकर्ताओं को बैकअप तंत्र लागू करना चाहिए जैसे कि डिफ़ॉल्ट संदेश दिखाना या वैकल्पिक प्रश्न सुझाना ताकि उपयोगकर्ता अनुभव को बढ़ाया जा सके और जुड़ाव बनाए रखा जा सके