[{"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'
Após se cadastrar, cada desenvolvedor recebe uma chave de acesso à API pessoal, uma combinação única de letras e dígitos para acessar nosso endpoint de API. Para autenticar com a Marcação de Imagem API basta incluir seu token Bearer no cabeçalho Authorization.
| Cabeçalho | Descrição |
|---|---|
Authorization
|
Obrigatório
Deve ser Bearer access_key. Veja "Sua chave de acesso à API" acima quando você estiver inscrito.
|
Sem compromisso de longo prazo. Faça upgrade, downgrade ou cancele a qualquer momento. O teste gratuito inclui até 50 requisições.
(Economize 2 meses com cobrança anual 🎉)
A API de Marcação de Imagens é uma ferramenta inteligente projetada para analisar conteúdo visual e retornar uma lista de tags representativas acompanhadas por um nível de confiança. Sua principal função é identificar automaticamente os elementos, objetos ou conceitos presentes em uma imagem, permitindo que os desenvolvedores integrem capacidades de visão computacional em suas aplicações de forma rápida, precisa e escalável.
Quando uma imagem é enviada para o endpoint, a API processa os dados visuais utilizando modelos avançados de deep learning treinados com milhões de exemplos. O sistema avalia características como cores, formas, texturas e padrões, gerando uma lista ordenada de possíveis correspondências ou categorias. Cada tag inclui um valor de "confiança" que indica o grau de certeza do modelo em relação à classificação feita. Por exemplo, uma imagem de uma xícara de café pode gerar resultados como Café, Cappuccino ou Espresso, cada um com seu nível de probabilidade correspondente.
A resposta estruturada em formato JSON facilita a integração, permitindo que você filtre resultados, defina limites de confiança ou combine etiquetas para obter uma descrição mais rica do conteúdo visual. Além disso, sua arquitetura escalável garante tempos de resposta rápidos e alto desempenho mesmo ao processar grandes quantidades de imagens simultaneamente.
Em resumo, esta API oferece uma solução poderosa e moderna para interpretação automatizada de imagens. Suas capacidades de detecção precisas e flexibilidade de uso a tornam uma ferramenta essencial para qualquer projeto que exija classificação visual, análise de conteúdo multimídia ou aprimoramento da experiência do usuário por meio de visão computacional.
A API de Tagging de Imagem retorna um array JSON de rótulos, cada um representando objetos ou conceitos identificados na imagem. Cada rótulo é acompanhado por uma pontuação de confiança indicando a certeza do modelo sobre a classificação
Os campos chave nos dados de resposta incluem "label" que especifica o objeto ou conceito identificado e "confidence" que é um valor numérico (0 a 1) representando a certeza do modelo em relação a esse rótulo
Os dados de resposta estão estruturados como um array JSON onde cada elemento é um objeto contendo os campos "label" e "confidence" Isso permite uma fácil análise e integração em aplicativos
O endpoint fornece informações sobre objetos cores e ambientes presentes na imagem Por exemplo uma imagem de uma xícara de café pode retornar tags como "Xícara de café" "Utensílios de bebida" e "Xícara"
Os usuários podem personalizar suas solicitações definindo parâmetros como limiares de confiança para filtrar etiquetas menos certas Isso permite resultados mais precisos com base nas necessidades específicas da aplicação
A precisão dos dados é mantida por meio de modelos avançados de aprendizado profundo treinados em milhões de imagens Atualizações contínuas do modelo e avaliações garantem que a API fornece classificações confiáveis e relevantes
Casos de uso típicos incluem classificação de imagens automatizada análise de conteúdo multimídia e aprimoramento das experiências do usuário em aplicações que exigem reconhecimento visual como plataformas de comércio eletrônico ou redes sociais
Se a API retornar resultados parciales ou vazios os usuários devem implementar mecanismos de fallback como exibir uma mensagem padrão ou sugerir consultas alternativas para melhorar a experiência do usuário e manter o engajamento