செயற்கை நுண்ணறிவு - கூகுள் விஷன் ஏபிஐ - மேம்பட்ட படங்களைப் புரிந்துகொள்வது - பொருள்களைக் கண்டறிதல் ஆகிய துறைகளில் ஏபிஐயின் பதிலில் இருந்து அனைத்து பொருள் குறிப்புகளையும் பிரித்தெடுக்க, ஏபிஐ வழங்கிய மறுமொழி வடிவமைப்பைப் பயன்படுத்தலாம், இதில் கண்டறியப்பட்ட பொருட்களின் பட்டியலும் அவற்றுடன் தொடர்புடையது. எல்லைப் பெட்டிகள் மற்றும் நம்பிக்கை மதிப்பெண்கள். இந்த பதிலைப் பாகுபடுத்துவதன் மூலம், நீங்கள் விரும்பிய பொருள் சிறுகுறிப்புகளைப் பிரித்தெடுக்கலாம்.
API பதில் பொதுவாக JSON ஆப்ஜெக்ட்டைக் கொண்டுள்ளது, இதில் "localizedObjectAnnotations" புலம் உட்பட பல்வேறு புலங்கள் உள்ளன, இதில் கண்டறியப்பட்ட பொருள்கள் உள்ளன. ஒவ்வொரு பொருளின் சிறுகுறிப்பும் பொருளின் பெயர், அதன் எல்லைப் பெட்டி ஒருங்கிணைப்புகள் மற்றும் கண்டறிதலில் API இன் நம்பிக்கையைக் குறிக்கும் நம்பிக்கை மதிப்பெண் போன்ற தகவல்களை உள்ளடக்கியது.
பொருள் குறிப்புகளைப் பிரித்தெடுக்க, நீங்கள் பின்வரும் படிகளைப் பின்பற்றலாம்:
1. API பதிலை அலசவும்: API இலிருந்து பெறப்பட்ட JSON பதிலைப் பாகுபடுத்துவதன் மூலம் தொடங்கவும். உங்கள் நிரலாக்க மொழியால் வழங்கப்பட்ட JSON பாகுபடுத்தும் நூலகம் அல்லது உள்ளமைக்கப்பட்ட செயல்பாடுகளைப் பயன்படுத்தி இதைச் செய்யலாம்.
2. "localizedObjectAnnotations" புலத்தை அணுகவும்: பதில் பாகுபடுத்தப்பட்டவுடன், கண்டறியப்பட்ட பொருள்களைக் கொண்ட "localizedObjectAnnotations" புலத்தை அணுகவும். இந்த புலம் பொதுவாக பொருள் சிறுகுறிப்புகளின் வரிசையாகும்.
3. பொருள் சிறுகுறிப்புகளின் மூலம் மீண்டும் செய்யவும்: அணிவரிசையில் உள்ள ஒவ்வொரு பொருளின் சிறுகுறிப்பு வழியாகவும். ஒவ்வொரு சிறுகுறிப்பும் படத்தில் கண்டறியப்பட்ட பொருளைக் குறிக்கிறது.
4. தொடர்புடைய தகவலைப் பிரித்தெடுக்கவும்: பொருளின் பெயர், எல்லைப் பெட்டி ஒருங்கிணைப்புகள் மற்றும் நம்பிக்கை மதிப்பெண் போன்ற ஒவ்வொரு பொருளின் சிறுகுறிப்புகளிலிருந்தும் தொடர்புடைய தகவலைப் பிரித்தெடுக்கவும். இந்த விவரங்களை ஒவ்வொரு பொருளின் சிறுகுறிப்புக்குள்ளும் தனித்தனி புலங்களாக அணுகலாம்.
5. பிரித்தெடுக்கப்பட்ட தகவலைச் சேமிக்கவும் அல்லது செயலாக்கவும்: உங்கள் தேவைகளைப் பொறுத்து, பிரித்தெடுக்கப்பட்ட தகவலை தரவு கட்டமைப்பில் சேமிக்கலாம் அல்லது பகுப்பாய்வு அல்லது பிற நோக்கங்களுக்காக அதை மேலும் செயலாக்கலாம். எடுத்துக்காட்டாக, நீங்கள் பொருளின் பெயர்கள் மற்றும் அவற்றுடன் தொடர்புடைய எல்லைப் பெட்டி ஆயங்களை ஒரு தரவுத்தளத்தில் சேமிக்க விரும்பலாம் அல்லது மேலும் படத்தைப் புரிந்துகொள்ளும் பணிகளுக்கு அவற்றைப் பயன்படுத்தலாம்.
பிரித்தெடுக்கும் செயல்முறையை விளக்குவதற்கு இங்கே ஒரு எளிமையான உதாரணம்:
python import json # Assume 'response' contains the API response in JSON format response =
{
"localizedObject Annotations": [
{
"நடு": "/m/01g317",
"பெயர்": "பூனை",
"மதிப்பெண்": 0.89271355,
"boundingPoly": {
"சாதாரணமான செங்குத்துகள்": [
{"x": 0.1234, "y": 0.5678},
{"x": 0.5678, "y": 0.1234}
]}
},
{
"நடு": "/m/04rky",
"பெயர்": "நாய்",
"மதிப்பெண்": 0.8132468,
"boundingPoly": {
"சாதாரணமான செங்குத்துகள்": [
{"x": 0.4321, "y": 0.8765},
{"x": 0.8765, "y": 0.4321}
]}
}
]}
# Parse the API response response_data = json.loads(response) # Access the object annotations annotations = response_data['localizedObjectAnnotations'] # Iterate through the object annotations for annotation in annotations: # Extract relevant information object_name = annotation['name'] bounding_box = annotation['boundingPoly']['normalizedVertices'] confidence = annotation['score'] # Process or store the extracted information print(f"Object: {object_name}, Bounding Box: {bounding_box}, Confidence: {confidence}") # Output: # Object: cat, Bounding Box: [{'x': 0.1234, 'y': 0.5678}, {'x': 0.5678, 'y': 0.1234}], Confidence: 0.89271355 # Object: dog, Bounding Box: [{'x': 0.4321, 'y': 0.8765}, {'x': 0.8765, 'y': 0.4321}], Confidence: 0.8132468
இந்த எடுத்துக்காட்டில், கண்டுபிடிக்கப்பட்ட இரண்டு பொருட்களைக் கொண்ட JSON பதிலை நாங்கள் கருதுகிறோம்: ஒரு பூனை மற்றும் நாய். குறியீடானது பதிலை அலசுகிறது, "localizedObjectAnnotations" புலத்தை அணுகுகிறது, ஒவ்வொரு பொருளின் சிறுகுறிப்பு மூலமாகவும் மீண்டும் செய்கிறது மற்றும் பொருளின் பெயர், எல்லைப் பெட்டி ஒருங்கிணைப்புகள் மற்றும் நம்பிக்கை மதிப்பெண் ஆகியவற்றைப் பிரித்தெடுக்கிறது. இறுதியாக, பிரித்தெடுக்கப்பட்ட தகவல் அச்சிடப்படுகிறது, ஆனால் உங்கள் குறிப்பிட்ட தேவைகளுக்கு ஏற்ப குறியீட்டை மாற்றலாம்.
இந்தப் படிகளைப் பின்பற்றுவதன் மூலம், செயற்கை நுண்ணறிவு - கூகுள் விஷன் ஏபிஐ - மேம்பட்ட படங்களைப் புரிந்துகொள்வது - பொருள்களைக் கண்டறிதல் ஆகிய துறைகளில் API இன் பதிலில் இருந்து அனைத்து பொருள் குறிப்புகளையும் நீங்கள் திறம்படப் பிரித்தெடுக்கலாம்.
தொடர்பான பிற சமீபத்திய கேள்விகள் மற்றும் பதில்கள் மேம்பட்ட படங்கள் புரிதல்:
- கூகுள் விஷன் ஏபிஐயில் பொருள் அங்கீகாரத்திற்கான சில முன் வரையறுக்கப்பட்ட வகைகள் யாவை?
- பாதுகாப்பான தேடல் கண்டறிதல் அம்சத்தை மற்ற மிதமான நுட்பங்களுடன் இணைந்து பயன்படுத்துவதற்கான பரிந்துரைக்கப்பட்ட அணுகுமுறை என்ன?
- பாதுகாப்பான தேடல் குறிப்புகளில் ஒவ்வொரு வகைக்கான சாத்தியக்கூறு மதிப்புகளை எவ்வாறு அணுகலாம் மற்றும் காட்டலாம்?
- Python இல் Google Vision API ஐப் பயன்படுத்தி பாதுகாப்பான தேடல் சிறுகுறிப்பை எவ்வாறு பெறுவது?
- பாதுகாப்பான தேடல் கண்டறிதல் அம்சத்தில் உள்ள ஐந்து பிரிவுகள் யாவை?
- கூகுள் விஷன் ஏபிஐயின் பாதுகாப்பான தேடல் அம்சமானது படங்களில் உள்ள வெளிப்படையான உள்ளடக்கத்தை எவ்வாறு கண்டறிகிறது?
- தலையணை நூலகத்தைப் பயன்படுத்தி ஒரு படத்தில் கண்டறியப்பட்ட பொருட்களை எவ்வாறு பார்வைக்கு அடையாளம் கண்டு தனிப்படுத்துவது?
- பாண்டாஸ் தரவு சட்டத்தைப் பயன்படுத்தி பிரித்தெடுக்கப்பட்ட பொருள் தகவலை அட்டவணை வடிவத்தில் எவ்வாறு ஒழுங்கமைக்க முடியும்?
- கூகுள் விஷன் ஏபிஐயின் செயல்பாட்டை விளக்குவதற்கு என்ன நூலகங்கள் மற்றும் நிரலாக்க மொழி பயன்படுத்தப்படுகிறது?
- கூகுள் விஷன் ஏபிஐ எவ்வாறு படங்களில் பொருள் கண்டறிதல் மற்றும் உள்ளூர்மயமாக்கலைச் செய்கிறது?
மேம்பட்ட படங்களைப் புரிந்துகொள்வதில் கூடுதல் கேள்விகள் மற்றும் பதில்களைக் காண்க