Envía el archivo de imagen del que deseas reconocer el objeto. Recibe la etiqueta y el puntaje de confianza.
Vigilancia de Seguridad: La API puede ser utilizada en sistemas de seguridad para monitorear y analizar transmisiones de video en vivo, identificando amenazas potenciales como acceso no autorizado, objetos sospechosos o actividades inusuales, mejorando la respuesta de seguridad en tiempo real.
Conducción Autónoma: En los vehículos autónomos, la API desempeña un papel crucial en la identificación y clasificación de objetos en la carretera, como peatones, otros vehículos, señales de tráfico y obstáculos, asegurando una navegación segura y eficiente.
Comercio Electrónico: Los minoristas en línea pueden usar la API para etiquetar y categorizar automáticamente productos en imágenes, mejorando la funcionalidad de búsqueda, recomendaciones de productos y gestión de inventarios mediante el reconocimiento de artículos y sus atributos.
Salud: En la imaginería médica, la API ayuda a diagnosticar condiciones al detectar anomalías en radiografías, resonancias magnéticas o tomografías computarizadas, como tumores, fracturas u otras afecciones médicas, apoyando así un diagnóstico preciso y oportuno.
Realidad Aumentada (AR): La API mejora las aplicaciones de AR al detectar y rastrear objetos en tiempo real, permitiendo experiencias interactivas como la colocación de objetos virtuales, superposiciones de información en tiempo real y entornos de juego inmersivos.
Aparte del número de llamadas a la API, no hay ninguna otra limitación.
Dada una imagen de entrada, devuelve una lista de etiquetas de objetos detectados, porcentajes de confianza y cajas delimitadoras. Se filtran los objetos con una confianza inferior a 0.3 (30%).
Detección - Características del Endpoint
| Objeto | Descripción |
|---|---|
Cuerpo de la Solicitud |
[Requerido] Archivo Binario |
[{"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"'
| Encabezado | Descripción |
|---|---|
Autorización
|
[Requerido] Debería ser Bearer access_key. Consulta "Tu Clave de Acceso a la API" arriba cuando estés suscrito. |
Sin compromiso a largo plazo. Mejora, reduce o cancela en cualquier momento. La Prueba Gratuita incluye hasta 50 solicitudes.
La API admite varios formatos de imagen, incluidos JPEG, PNG, BMP y TIFF. Puede procesar imágenes de diferentes resoluciones, aunque las imágenes de mayor calidad pueden generar resultados más precisos.
La API está diseñada para detectar y reconocer múltiples objetos dentro de una sola imagen. Devuelve cuadros delimitadores para cada objeto identificado junto con las etiquetas de clasificación correspondientes y los puntajes de confianza.
La API ofrece alta precisión en la detección de objetos, con métricas de precisión y recuperación que varían según la complejidad de la escena y la calidad de la imagen de entrada. Actualizaciones regulares y mejoras en el modelo aumentan el rendimiento con el tiempo.
El tiempo de respuesta depende del tamaño de la imagen y del número de objetos dentro de la imagen. Generalmente, la API está optimizada para baja latencia, proporcionando resultados en unos pocos cientos de milisegundos para tamaños de imagen estándar.
Mientras que la API viene preentrenada en grandes y diversos conjuntos de datos, hay opciones de personalización disponibles. Los usuarios pueden ajustar el modelo con sus propios conjuntos de datos para mejorar la precisión en categorías de objetos específicas relevantes para su aplicación.
El endpoint de detección devuelve una lista de objetos detectados, cada uno con una etiqueta, un puntaje de confianza y las coordenadas del cuadro delimitador. Estos datos permiten a los usuarios comprender qué objetos fueron identificados en la imagen de entrada.
Los campos clave en los datos de respuesta incluyen "label" (el nombre del objeto detectado), "confidence" (la probabilidad de que la detección sea precisa) y "bounding_box" (coordenadas que definen la ubicación del objeto en la imagen).
Los datos de respuesta están organizados como un array JSON, donde cada objeto detectado se representa como un objeto JSON que contiene su etiqueta, puntuación de confianza y coordenadas del cuadro delimitador.
El endpoint de detección acepta principalmente un archivo de imagen como entrada. Los parámetros adicionales para la personalización pueden incluir opciones de preprocesamiento de imágenes, aunque estos detalles no están especificados en la documentación actual.
Los usuarios pueden utilizar los datos devueltos analizando las etiquetas y los puntajes de confianza para determinar la presencia y la fiabilidad de los objetos detectados. Las coordenadas del cuadro delimitador se pueden usar para superposiciones visuales o procesamiento adicional en aplicaciones.
Los casos de uso típicos incluyen la vigilancia de seguridad para la detección de amenazas, la conducción autónoma para el reconocimiento de obstáculos, el comercio electrónico para el etiquetado de productos y la atención médica para identificar anomalías en imágenes médicas.
La precisión de los datos se mantiene mediante el uso de algoritmos avanzados y actualizaciones regulares del modelo. La API filtra las detecciones con puntuaciones de confianza inferiores a 0.3 para garantizar que solo se devuelvan resultados confiables.
Si la API devuelve resultados parciales o vacíos, los usuarios deben verificar la calidad de la imagen de entrada y asegurarse de que cumpla con los requisitos de la API. Implementar una lógica de respaldo para manejar tales casos puede mejorar la robustez de la aplicación.
Nivel de Servicio:
100%
Tiempo de Respuesta:
0ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
0ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.669ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.470ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
913ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
969ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
0ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.189ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.407ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.748ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
509ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
105ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.385ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
24ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
580ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
227ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
825ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
983ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
3.829ms
Nivel de Servicio:
100%
Tiempo de Respuesta:
1.470ms