A API de Reconhecimento de Imagem é uma ferramenta inteligente projetada para analisar conteúdo visual e retornar uma lista de tags representativas acompanhadas por um nível de confiança. Sua função principal é identificar automaticamente os elementos, objetos ou conceitos presentes em uma imagem, permitindo que 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 aprendizado profundo 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 respectivo nível de probabilidade.
A resposta estruturada em formato JSON facilita a integração, permitindo filtrar resultados, definir limiares de confiança ou combinar 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 a 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 da visão computacional.
Analisando imagens e retornando rótulos com níveis de confiança identificando objetos cores e ambientes presentes para uma classificação visual precisa
Rotulando Imagem - Recursos do endpoint
| Objeto | Descrição |
|---|---|
url |
[Obrigatório] 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/11035/image+recognition+api/20799/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'
| 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.
A API de Reconhecimento de Imagem retorna um array JSON de rótulos cada um representando objetos ou conceitos identificados na imagem. Cada rótulo é acompanhado por um escore de confiança indicando a certeza do modelo sobre a classificação
Os campos principais nos dados de resposta incluem "rótulo" que especifica o objeto ou conceito identificado e "confiança" 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 aplicações
O ponto final fornece informações sobre objetos cores e ambientes presentes na imagem Por exemplo uma imagem de uma xícara de café pode retornar etiquetas como "Xícara de café" "Copa" e "Recipiente para bebidas"
Os usuários podem personalizar suas solicitações definindo parâmetros como limiares de confiança para filtrar rótulos menos certos Isso permite resultados mais precisos com base nas necessidades específicas da aplicação
A precisão dos dados é mantida através de modelos avançados de aprendizado profundo treinados em milhões de imagens Atualizações e avaliações contínuas do modelo garantem que a API forneça classificações confiáveis e relevantes
Casos de uso típicos incluem classificação automática de imagens análise de conteúdo multimídia e aprimoramento da experiência do usuário em aplicações que requerem reconhecimento visual como plataformas de e-commerce ou redes sociais
Se a API retornar resultados parciais 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
Nível de serviço:
100%
Tempo de resposta:
820ms
Nível de serviço:
100%
Tempo de resposta:
0ms
Nível de serviço:
100%
Tempo de resposta:
0ms
Nível de serviço:
100%
Tempo de resposta:
855ms
Nível de serviço:
100%
Tempo de resposta:
810ms
Nível de serviço:
100%
Tempo de resposta:
1.845ms
Nível de serviço:
100%
Tempo de resposta:
949ms
Nível de serviço:
100%
Tempo de resposta:
1.104ms
Nível de serviço:
100%
Tempo de resposta:
1.669ms
Nível de serviço:
100%
Tempo de resposta:
0ms
Nível de serviço:
100%
Tempo de resposta:
1.654ms
Nível de serviço:
100%
Tempo de resposta:
406ms
Nível de serviço:
100%
Tempo de resposta:
370ms
Nível de serviço:
100%
Tempo de resposta:
564ms
Nível de serviço:
100%
Tempo de resposta:
2.575ms
Nível de serviço:
100%
Tempo de resposta:
1.289ms
Nível de serviço:
100%
Tempo de resposta:
728ms
Nível de serviço:
100%
Tempo de resposta:
1.324ms
Nível de serviço:
100%
Tempo de resposta:
838ms
Nível de serviço:
100%
Tempo de resposta:
2.897ms