एनिमल स्पेसीज मान्यता एपीआई एक उन्नत कृत्रिम बुद्धिमत्ता उपकरण है जिसे एक URL के माध्यम से प्रदान की गई छवि से जानवरों की सटीक पहचान के लिए डिजाइन किया गया है। अत्याधुनिक कंप्यूटर दृष्टि मॉडलों का उपयोग करते हुए यह एपीआई विभिन्न प्रकार की जानवरों की प्रजातियों का पता लगाने और वर्गीकृत करने में सक्षम है जिसमें स्तनधारी, पक्षी, reptiles, उभयचर और अधिक शामिल हैं सभी कुछ सेकंड में
कार्यवाही सरल है: उपयोगकर्ता एक छवि के URL के साथ एक अनुरोध भेजता है और एपीआई वैज्ञानिक नाम लौटाता है
{"success":true,"image_url":"https://thirstycatfountains.com/wp-content/uploads/main-coon-82323__340-300x225.jpg","output":[{"label":"Maine Coon","score":0.95}]}
curl --location --request POST 'https://zylalabs.com/api/6626/animal+specie+recognition+api/9726/classification?url=https://thirstycatfountains.com/wp-content/uploads/main-coon-82323__340-300x225.jpg' --header 'Authorization: Bearer YOUR_API_KEY'
| 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।
वर्गीकरण एंडपॉइंट एक JSON ऑब्जेक्ट लौटाता है जिसमें सफलता प्रणाली, छवि URL और वर्गीकरण परिणामों का एक ऐरे होता है प्रत्येक परिणाम में एक बिल्ली प्रजाति लेबल और एक विश्वास स्कोर शामिल होता है जो वर्गीकरण की सटीकता को दर्शाता है
प्रतिक्रिया डेटा में मुख्य फ़ील्ड्स में "सफलता" (बूलियन), "छवि_url" (स्ट्रीнг), और "आउटपुट" (ऐरे) शामिल हैं "आउटपुट" ऐरे में "लेबल" (प्रजाति का नाम) और "स्कोर" (विश्वास स्तर) के साथ ऑब्जेक्ट होते हैं
प्रतिक्रियाओं का डेटा एक JSON ऑब्जेक्ट के रूप में संरचित है यह एक सफलता संकेतक के साथ शुरू होता है इसके बाद छवि URL और अंत में वर्गीकरण परिणामों की एक सरणी होती है प्रत्येक में पहचानी गई प्रजातियों और इसके आत्मविश्वास स्कोर का विवरण होता है
वर्गीकरण अंत बिन्दु को एक एकल पैरामीटर की आवश्यकता होती है: छवि यूआरएल उपयोगकर्ताओं को उस पक्षी छवि के लिए एक मान्य यूआरएल प्रदान करना होगा जिसे वे वर्गीकृत करना चाहते हैं
उपयोगकर्ता "लेबल" का अर्थ निकालकर प्रजातियों की पहचान के लिए और "स्कोर" का उपयोग करके वर्गीकरण की विश्वसनीयता का आकलन करके लौटाए गए डेटा का उपयोग कर सकते हैं उच्च स्कोर पहचान में अधिक विश्वास को दर्शाते हैं
डेटा की सटीकता उन्नत मशीन लर्निंग एल्गोरिदम के माध्यम से बनाए रखी जाती है जो बिल्लियों की दृश्य विशेषताओं का विश्लेषण करती हैं विविध डेटा सेट के साथ निरंतर प्रशिक्षण मॉडल के प्रदर्शन और विश्वसनीयता को सुधारने में मदद करता है
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
16ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
5,305ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
5,497ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
16ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
816ms
सर्विस लेवल:
50%
रिस्पॉन्स टाइम:
1,094ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,939ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
922ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,835ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
19ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
1,350ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
460ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
723ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
928ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
913ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
187ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
651ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
835ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
193ms
सर्विस लेवल:
100%
रिस्पॉन्स टाइम:
431ms