Envie o arquivo de imagem do qual você deseja reconhecer o objeto. Receba o rótulo e a pontuação de confiança.
Vigilância de Segurança: A API pode ser utilizada em sistemas de segurança para monitorar e analisar transmissões de vídeo ao vivo, identificando potenciais ameaças como acesso não autorizado, objetos suspeitos ou atividades incomuns, melhorando a resposta de segurança em tempo real.
Condução Autônoma: Em carros autônomos, a API desempenha um papel crucial na identificação e classificação de objetos na estrada, como pedestres, outros veículos, sinais de trânsito e obstáculos, garantindo navegação segura e eficiente.
E-Commerce: Varejistas online podem usar a API para etiquetar e categorizar automaticamente produtos em imagens, melhorando a funcionalidade de busca, recomendações de produtos e gerenciamento de estoque ao reconhecer itens e seus atributos.
Saúde: Em imagens médicas, a API auxilia no diagnóstico de condições ao detectar anomalias em raios-X, ressonâncias magnéticas ou tomografias computadorizadas, como tumores, fraturas ou outras condições médicas, suportando assim diagnósticos precisos e oportunos.
Realidade Aumentada (AR): A API aprimora aplicações de AR ao detectar e rastrear objetos em tempo real, possibilitando experiências interativas como colocação de objetos virtuais, sobreposições de informações em tempo real e ambientes de jogos imersivos.
Além do número de chamadas à API, não há outra limitação.
Dada uma imagem de entrada, retorne uma lista de rótulos de objetos detectados, porcentagens de confiança e caixas delimitadoras. Objetos com confiança inferior a 0,3 (30%) são filtrados.
Detecção - Recursos do endpoint
| Objeto | Descrição |
|---|---|
Corpo da requisição |
[Obrigatório] Arquivo binário |
[{"label": "boat", "confidence": "0.82", "bounding_box": {"x1": "85", "y1": "50", "x2": "621", "y2": "328"}}, {"label": "person", "confidence": "0.48", "bounding_box": {"x1": "528", "y1": "232", "x2": "541", "y2": "248"}}, {"label": "person", "confidence": "0.43", "bounding_box": {"x1": "563", "y1": "231", "x2": "573", "y2": "247"}}, {"label": "person", "confidence": "0.41", "bounding_box": {"x1": "203", "y1": "64", "x2": "217", "y2": "92"}}, {"label": "person", "confidence": "0.38", "bounding_box": {"x1": "556", "y1": "264", "x2": "572", "y2": "293"}}, {"label": "person", "confidence": "0.37", "bounding_box": {"x1": "558", "y1": "189", "x2": "578", "y2": "212"}}, {"label": "person", "confidence": "0.34", "bounding_box": {"x1": "229", "y1": "66", "x2": "240", "y2": "94"}}, {"label": "person", "confidence": "0.34", "bounding_box": {"x1": "203", "y1": "79", "x2": "216", "y2": "98"}}, {"label": "person", "confidence": "0.33", "bounding_box": {"x1": "155", "y1": "182", "x2": "173", "y2": "210"}}, {"label": "person", "confidence": "0.33", "bounding_box": {"x1": "231", "y1": "80", "x2": "241", "y2": "97"}}, {"label": "person", "confidence": "0.32", "bounding_box": {"x1": "536", "y1": "267", "x2": "554", "y2": "290"}}, {"label": "person", "confidence": "0.31", "bounding_box": {"x1": "492", "y1": "234", "x2": "510", "y2": "249"}}]
curl --location 'https://zylalabs.com/api/4394/object+detection+api/5400/detection' \
--header 'Content-Type: application/json' \
--form 'image=@"FILE_PATH"'
| 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 suporta vários formatos de imagem incluindo JPEG PNG BMP e TIFF Ela pode processar imagens de diferentes resoluções embora imagens de maior qualidade possam gerar resultados mais precisos
A API é projetada para detectar e reconhecer múltiplos objetos dentro de uma única imagem Ela retorna caixas delimitadoras para cada objeto identificado juntamente com os rótulos de classificação correspondentes e as pontuações de confiança
A API oferece alta precisão na detecção de objetos com métricas de precisão e recall variando com base na complexidade da cena e na qualidade da imagem de entrada Atualizações regulares e melhorias no modelo aprimoram o desempenho ao longo do tempo
O tempo de resposta depende do tamanho da imagem e do número de objetos dentro da imagem Geralmente a API é otimizada para baixa latência fornecendo resultados dentro de algumas centenas de milissegundos para tamanhos de imagem padrão
Enquanto a API vem pré-treinada em grandes e diversos conjuntos de dados opções de personalização estão disponíveis Os usuários podem ajustar o modelo em seus próprios conjuntos de dados para melhorar a precisão para categorias de objetos específicas relevantes para sua aplicação
O endpoint de Detecção retorna uma lista de objetos detectados na imagem de entrada, incluindo seus rótulos, pontuações de confiança e coordenadas da caixa delimitadora. Cada objeto é representado como um objeto JSON dentro de um array
Os principais campos nos dados de resposta incluem "label" (o nome do objeto identificado), "confidence" (a probabilidade de a detecção ser precisa) e "bounding_box" (coordenadas que definem a localização do objeto na imagem)
Os dados retornados estão estruturados no formato JSON. Consistem em um array de objetos, cada um contendo os campos "label", "confidence" e "bounding_box", onde "bounding_box" inclui as coordenadas x1, y1, x2 e y2
O endpoint de Detecção fornece informações sobre objetos identificados, incluindo suas categorias (rótulos), níveis de confiança e localizações espaciais dentro da imagem, permitindo uma análise detalhada do conteúdo visual
Os dados da resposta estão organizados como um array JSON onde cada elemento corresponde a um objeto detectado Cada objeto contém campos para o rótulo o score de confiança e as coordenadas da caixa delimitadora facilitando a análise e o parseiro fáceis
Casos de uso típicos incluem vigilância de segurança para detecção de ameaças condução autônoma para reconhecimento de obstáculos comércio eletrônico para marcação de produtos e assistência médica para identificação de anomalias em imagens médicas
Os usuários podem utilizar os dados retornados ao analisar as pontuações de confiança para filtrar detecções de baixa confiança usando coordenadas de caixa delimitadora para sobreposições visuais e categorizando objetos para processamento adicional em suas aplicações
A precisão dos dados é mantida por meio de treinamento contínuo do modelo em conjuntos de dados diversos atualizações regulares e avaliações de desempenho Isso garante que a API se adapte a vários contextos e melhore as capacidades de detecção ao longo do tempo
Nível de serviço:
100%
Tempo de resposta:
0ms
Nível de serviço:
100%
Tempo de resposta:
0ms
Nível de serviço:
100%
Tempo de resposta:
0ms
Nível de serviço:
100%
Tempo de resposta:
913ms
Nível de serviço:
100%
Tempo de resposta:
197ms
Nível de serviço:
100%
Tempo de resposta:
2.213ms
Nível de serviço:
100%
Tempo de resposta:
731ms
Nível de serviço:
100%
Tempo de resposta:
1.217ms
Nível de serviço:
100%
Tempo de resposta:
969ms
Nível de serviço:
100%
Tempo de resposta:
856ms
Nível de serviço:
100%
Tempo de resposta:
1.156ms
Nível de serviço:
100%
Tempo de resposta:
62ms
Nível de serviço:
100%
Tempo de resposta:
8.868ms
Nível de serviço:
100%
Tempo de resposta:
6.025ms
Nível de serviço:
100%
Tempo de resposta:
54ms
Nível de serviço:
100%
Tempo de resposta:
327ms
Nível de serviço:
100%
Tempo de resposta:
520ms
Nível de serviço:
100%
Tempo de resposta:
8.561ms
Nível de serviço:
100%
Tempo de resposta:
198ms
Nível de serviço:
100%
Tempo de resposta:
8.825ms