关于API:
该API使用经超过400,000个葡萄酒标签训练的机器学习模型,可以预测给定图像上的葡萄酒标签。
传递图像URL进行分析,并接收所有可能的葡萄酒标签及其置信分数的列表。
该API对于需要按标签或品牌排序其图像的葡萄酒销售商会很有用。
这是一个很好的API,适合那些想要创建动态内容的人,此API将按品牌或标签对图像进行排序,您将随时可以使用它。
除了每月的API调用限制外,没有其他限制。
要使用此端点,您必须在参数中传递图像的 URL。它还将有一个可选参数,您可以在其中指明图像的 URL。
您还可以选择上传 jpg、jpeg 或 png 格式的图像。
获取酒标签 - 端点功能
| 对象 | 描述 |
|---|---|
请求体 |
[必需] 文件二进制 |
{"results":[{"status":{"code":"ok","message":"Success"},"name":"https://gopostr.s3.amazonaws.com/binary_file_test_584/254NKKXJmYAwxqp7Hbyaw6MZhMGUbRrGwMNC0XCu.jpg","md5":"f23f73cce85f89287bada35baba68c98","width":1440,"height":1080,"entities":[{"kind":"classes","name":"wine-image-classes","classes":{"grati poggio galiga chianti":0.6313126087188721,"grati poggio galiga chianti_1":0.6313126087188721,"cantine pellegrino pantelleria moscato liquoroso n.v.":0.6198444366455078,"cantine pellegrino pantelleria moscato liquoroso":0.6198444366455078,"cantine pellegrino pantelleria moscato liquoroso 2015":0.6198444366455078,"fleur du rhône cornalin":0.6091293096542358,"fleur du rhône cornalin 2017":0.6091292500495911,"fleur du rhône cornalin n.v.":0.6091292500495911,"marqués del real tesoro pedro ximénez 2007":0.5943363904953003,"marqués del real tesoro pedro ximénez 1995":0.5943363904953003}}]}]}
curl --location 'https://zylalabs.com/api/825/wine+label+recognition+api/584/get+wine+label' \
--header 'Content-Type: multipart/form-data' \
--form 'image=@"FILE_PATH"'
| 标头 | 描述 |
|---|---|
授权
|
[必需] 应为 Bearer access_key. 订阅后,请查看上方的"您的 API 访问密钥"。 |
无长期承诺。随时升级、降级或取消。 免费试用包括最多 50 个请求。
API返回一个包含预测葡萄酒标签及其置信评分的JSON响应 每个结果包括图像URL 尺寸 以及识别类别的细分及其各自的置信水平
响应中的关键字段包括“状态”(表示成功) “名称”(图像 URL) “md5”(图像哈希) “宽度”和“高度”(图像尺寸)以及“实体”(其中包含预测标签及其置信度分数)
响应数据结构为JSON对象 它包含一个"results"数组 每个条目包括有关图像的元数据和一个"entities"数组 详细说明识别的酒标签及其置信度分数
该终端接受图像URL作为必需参数,并允许以jpg、jpeg或png格式可选地上传图像。用户可以通过提供URL或上传的图像来自定义请求
该API利用训练超过400,000个葡萄酒标签的机器学习模型来确保高准确性持续更新和重新训练模型有助于保持数据质量和提高识别能力
常见的用例包括葡萄酒零售商按标签排序图像 开发者根据葡萄酒品牌创建动态内容 以及需要葡萄酒识别用于库存管理或消费者信息的应用程序
用户可以分析置信度得分以确定最可能的酒标签 例如,得分超过0.6的标签可能被认为是可靠的,而较低的得分可能需要进一步验证或额外的上下文
如果结果部分或为空,用户应检查图像的质量和清晰度 低分辨率或模糊的图像可能会妨碍识别 用户还可以尝试不同的图像或确保上传使用正确的格式
服务级别:
80%
响应时间:
573ms
服务级别:
100%
响应时间:
633ms
服务级别:
100%
响应时间:
595ms
服务级别:
100%
响应时间:
149ms
服务级别:
100%
响应时间:
189ms
服务级别:
100%
响应时间:
311ms
服务级别:
100%
响应时间:
103ms
服务级别:
100%
响应时间:
1,192ms
服务级别:
100%
响应时间:
894ms
服务级别:
100%
响应时间:
1,209ms