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 acessos não autorizados, objetos suspeitos ou atividades incomuns, melhorando a resposta de segurança em tempo real.
Dirigindo de forma 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 rotular e categorizar produtos automaticamente em imagens, melhorando a funcionalidade de busca, recomendações de produtos e gestão de inventário ao reconhecer itens e seus atributos.
Saúde: Na imagem médica, a API ajuda a diagnosticar condições ao detectar anomalias em raios-X, RMs ou tomografias, como tumores, fraturas ou outras condições médicas, apoiando assim diagnósticos precisos e oportunos.
Realidade Aumentada (RA): A API melhora aplicações de RA ao detectar e rastrear objetos em tempo real, permitindo experiências interativas como colocação de objetos virtuais, sobreposições de informações em tempo real e ambientes de jogos imersivos.
Além do número de chamadas da API, não há outra limitação.
Dada uma imagem de entrada, devolva 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": "clock", "confidence": "0.4", "bounding_box": {"x1": "114", "y1": "83", "x2": "188", "y2": "159"}}, {"label": "clock", "confidence": "0.38", "bounding_box": {"x1": "9", "y1": "4", "x2": "496", "y2": "345"}}, {"label": "traffic light", "confidence": "0.38", "bounding_box": {"x1": "371", "y1": "132", "x2": "404", "y2": "156"}}, {"label": "traffic light", "confidence": "0.32", "bounding_box": {"x1": "375", "y1": "121", "x2": "406", "y2": "152"}}, {"label": "traffic light", "confidence": "0.32", "bounding_box": {"x1": "363", "y1": "134", "x2": "392", "y2": "155"}}]
curl --location 'https://zylalabs.com/api/4495/object+identification+api/5516/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 resultar em 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 junto com os rótulos de classificação correspondentes e os índices 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 alguns centenas de milissegundos para tamanhos de imagem padrão
Embora a API venha 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, cada um com um rótulo, pontuação de confiança e coordenadas da caixa delimitadora. Esses dados permitem que os usuários entendam quais objetos foram identificados na imagem de entrada
Os campos-chave nos dados de resposta incluem "etiqueta" (o nome do objeto detectado) "confiança" (a probabilidade de a detecção ser precisa) e "caixa delimitadora" (coordenadas que definem a localização do objeto na imagem)
Os dados de resposta são organizados como uma matriz JSON onde cada objeto detectado é representado como um objeto JSON contendo seu rótulo, pontuação de confiança e coordenadas da caixa delimitadora
O endpoint de Detecção aceita principalmente um arquivo de imagem como entrada Parâmetros adicionais para personalização podem incluir opções de pré-processamento de imagem embora esses detalhes não estejam especificados na documentação atual
Os usuários podem utilizar os dados retornados analisando os rótulos e os pontos de confiança para determinar a presença e a confiabilidade dos objetos detectados As coordenadas da caixa delimitadora podem ser usadas para sobreposições visuais ou processamento adicional em aplicações
Casos de uso típicos incluem vigilância de segurança para detecção de ameaças dirigibilidade autônoma para reconhecimento de obstáculos comércio eletrônico para etiquetagem de produtos e saúde para identificação de anomalias em imagens médicas
A precisão dos dados é mantida através do uso de algoritmos avançados e atualizações regulares do modelo A API filtra detecções com pontuações de confiança abaixo de 0.3 para garantir que apenas resultados confiáveis sejam retornados
Se a API retornar resultados parciais ou vazios os usuários devem verificar a qualidade da imagem de entrada e garantir que atenda aos requisitos da API Implementar lógica de fallback para lidar com esses casos pode aumentar a robustez da aplicação
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:
1.669ms
Nível de serviço:
100%
Tempo de resposta:
1.470ms
Nível de serviço:
100%
Tempo de resposta:
913ms
Nível de serviço:
100%
Tempo de resposta:
949ms
Nível de serviço:
100%
Tempo de resposta:
1.748ms
Nível de serviço:
100%
Tempo de resposta:
969ms
Nível de serviço:
100%
Tempo de resposta:
1.093ms
Nível de serviço:
100%
Tempo de resposta:
819ms
Nível de serviço:
100%
Tempo de resposta:
0ms
Nível de serviço:
100%
Tempo de resposta:
1.120ms
Nível de serviço:
100%
Tempo de resposta:
0ms
Nível de serviço:
100%
Tempo de resposta:
0ms
Nível de serviço:
100%
Tempo de resposta:
2.552ms
Nível de serviço:
100%
Tempo de resposta:
28ms
Nível de serviço:
100%
Tempo de resposta:
427ms
Nível de serviço:
100%
Tempo de resposta:
861ms
Nível de serviço:
100%
Tempo de resposta:
0ms