物种识别API是一种基于人工智能的解决方案,通过简单提供一个URL,能够自动识别图像中的动物。它的设计理念是简单易用,准确性高,并有能力识别不同环境和图像质量下的多种物种 该API使用先进的计算机视觉模型,这些模型在数百万张标记图像上进行训练,使其能够在挑战性条件下提供可靠的结果,例如可变的自然光、复杂的背景或部分可见的动物
{"success":true,"image_url":"https://monkeyworlds.com/wp-content/uploads/human-monkey.webp","output":[{"label":"monkey","score":0.95}]}
curl --location --request POST 'https://zylalabs.com/api/6627/specie+identification+api/9727/animal+identification?url=https://monkeyworlds.com/wp-content/uploads/human-monkey.webp' --header 'Authorization: Bearer YOUR_API_KEY'
| 标头 | 描述 |
|---|---|
授权
|
[必需] 应为 Bearer access_key. 订阅后,请查看上方的"您的 API 访问密钥"。 |
无长期承诺。随时升级、降级或取消。 免费试用包括最多 50 个请求。
动物识别端点返回一个包含成功状态、图像 URL 和分类结果数组的 JSON 对象。每个结果包括一个猫种类标签和一个表示分类准确性的置信分数
响应数据中的关键字段包括“success”(布尔值)“image_url”(字符串)和“output”(数组)“output”数组包含具有“label”(物种名称)和“score”(置信度)的对象
响应数据结构为JSON对象 首先是一个成功指示符 接下来是图像URL 最后是一个分类结果数组 每个分类结果详细说明了识别的物种及其置信分数
动物识别端点需要一个参数:图像URL 用户必须提供一个有效的URL,指向他们希望分类的动物的图像
用户可以通过解释物种识别的“标签”和评估分类可靠性的“分数”来利用返回的数据。分数越高,表明对识别的信心越大
通过先进的机器学习算法分析猫的视觉特征来保持数据的准确性 使用多样化的数据集进行持续训练有助于提高模型的性能和可靠性
服务级别:
100%
响应时间:
832ms
服务级别:
100%
响应时间:
4,081ms
服务级别:
100%
响应时间:
3,898ms
服务级别:
100%
响应时间:
1,217ms
服务级别:
100%
响应时间:
4,056ms
服务级别:
100%
响应时间:
1,748ms
服务级别:
100%
响应时间:
913ms
服务级别:
100%
响应时间:
4,532ms
服务级别:
100%
响应时间:
2,213ms
服务级别:
100%
响应时间:
317ms
服务级别:
100%
响应时间:
309ms
服务级别:
100%
响应时间:
2,866ms
服务级别:
100%
响应时间:
437ms
服务级别:
100%
响应时间:
705ms
服务级别:
100%
响应时间:
1,037ms
服务级别:
100%
响应时间:
424ms
服务级别:
90%
响应时间:
701ms
服务级别:
100%
响应时间:
453ms
服务级别:
100%
响应时间:
3,187ms
服务级别:
67%
响应时间:
1,982ms