API के बारे में:
यह API यह पहचानने में सक्षम होगी कि दी गई दृश्य छवि इनडोर है या आउटडोर। इसके आधार पर, यह दृश्य को हमारे समर्थित लेबलों में से एक में वर्गीकृत करेगी।
आपकी पसंद की छवि URL के साथ JSON ऑब्जेक्ट पास करें और वर्गीकरण JSON में प्राप्त करें।
यह API उन कंपनियों के लिए आदर्श है जो दृश्य के आधार पर अपनी छवि डेटाबेस को क्रमबद्ध करना चाहती हैं। आप इनडोर या आउटडोर द्वारा क्रमबद्ध करने में सक्षम होंगे, और इन दोनों लेबलों के भीतर, आपको काम करने के लिए अधिक जानकारी मिलेगी।
प्रति माह API कॉल सीमाओं के अलावा:
मुफ्त योजना: प्रति मिनट 30 अनुरोध।
{"Indoor":false,"categories":["lake/natural","mountain_snowy","valley","mountain","hot_spring"],"attributes":["open area","natural light","natural","far-away horizon","sunny","climbing","boating","still water","swimming"]}
curl --location --request POST 'https://zylalabs.com/api/803/scene+labeling+api/553/get+scene+classification' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"url": "https://www.amateurphotographer.co.uk/wp-content/uploads/2022/03/Landscape-South-Island-New-Zealand-820x500.jpg"
}'
| हेडर | विवरण |
|---|---|
Authorization
|
[आवश्यक] होना चाहिए Bearer access_key. जब आप सब्सक्राइब हों तो ऊपर "Your API Access Key" देखें। |
कोई लंबी अवधि की प्रतिबद्धता नहीं। कभी भी अपग्रेड, डाउनग्रेड या कैंसल करें। फ्री ट्रायल में 50 रिक्वेस्ट तक शामिल हैं।
दृश्य लेबलिंग एपीआई एक जेसन ऑब्जेक्ट लौटाता है जिसमें इनपुट छवि के लिए वर्गीकरण परिणाम होते हैं इसमें यह शामिल है कि दृश्य इनडोर है या आउटडोर श्रेणी की एक सूची (जैसे "झील / प्राकृतिक") और दृश्य का वर्णन करने वाले गुण (जैसे "धूप" "प्राकृतिक प्रकाश")
प्रतिक्रिया डेटा में प्रमुख क्षेत्र "Indoor" (बूलियन), "श्रेणियाँ" (दृश्य प्रकारों का एरे), और "विशेषताएँ" (विव descriptive विशेषताओं का एरे) शामिल हैं ये क्षेत्र दृश्य की वर्गीकरण और विशेषताओं की अंतर्दृष्टि प्रदान करते हैं
प्रतिक्रिया डेटा को एक JSON ऑब्जेक्ट के रूप में संरचित किया गया है इसमें एक बूलियन शामिल है जो बताता है कि दृश्य इनडोर है या नहीं दृश्य को वर्गीकृत करने वाली श्रेणी का एक एरे और दृश्य की विशिष्ट विशेषताओं का वर्णन करने वाले गुणों का एक एरे शामिल है
एपीआई यह जानकारी प्रदान करता है कि क्या दृश्य इनडोर है या आउटडोर दृश्य को विशेष प्रकारों में वर्गीकृत करता है (जैसे "पहाड़" या "झील") और दृश्य की विशेषताओं को वर्णित करने वाले गुणों की सूची देता है जैसे रोशनी और गतिविधि
एंडपॉइंट के लिए प्रमुख पैरामीटर छवि URL है जो समर्थित छवि प्रारूप (JPG, JPEG, PNG) की ओर इशारा करना चाहिए। उपयोगकर्ता विभिन्न दृश्यों को वर्गीकृत करने के लिए विभिन्न छवि URL प्रदान करके अपने अनुरोधों को अनुकूलित कर सकते हैं
उपयोगकर्ता "श्रेणियों" और "गुणों" का विश्लेषण करके छवियों को दृश्य प्रकार और विशेषताओं के आधार पर क्रमबद्ध और छानने के लिए लौटाए गए डेटा का उपयोग कर सकते हैं उदाहरण के लिए एक उपयोगकर्ता छवियों को बाहरी गतिविधियों या विशिष्ट वातावरण जैसे "समुद्र तट" या "जंगल" के द्वारा समूहित कर सकता है
एपीआई एक दृश्य श्रेणीकरण मॉडल का उपयोग करता है जिसे चित्रों के विविध डेटासेट पर प्रशिक्षित किया गया है यह मॉडल विभिन्न अंदरूनी और बाहरी दृश्यों को पहचानने के लिए डिज़ाइन किया गया है जिससे सामान्य वातावरण और वस्तुओं का व्यापक कवरेज सुनिश्चित होता है
डेटा की सटीकता को लगातार मॉडल प्रशिक्षण और विभिन्न प्रकार की छवियों के खिलाफ मान्यता के माध्यम से बनाए रखा जाता है गुणवत्ता जांच लागू की जाती हैं यह सुनिश्चित करने के लिए कि मॉडल की वर्गीकरण वास्तविक दुनिया के दृश्य विशेषताओं के साथ मेल खाती हैं जिससे विश्वसनीयता बढ़ती है
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
662ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
151ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
136ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
192ms
सर्विस लेवल:
99%
रिस्पॉन्स टाइम:
1,259ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
561ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
191ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
2,521ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
179ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
336ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,430ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
2,351ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
0ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
0ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
767ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
9,757ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
11,584ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
4,749ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
16ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,377ms