Topik ini menjelaskan skenario dan prosedur fitur deteksi label citra.
Deskripsi fitur
Fitur deteksi label citra mendeteksi konten seperti pemandangan, objek, dan event dalam citra serta secara otomatis menambahkan label. Fitur ini mendukung ribuan label di lebih dari 30 kategori, seperti yang ditunjukkan pada gambar berikut.
Skenario
Skenario | Deskripsi |
Pengenalan konten | Mendeteksi item, pemandangan, dan informasi lain dalam citra yang diambil atau diunggah. Fitur ini dapat digunakan dalam produk atau fitur untuk pengenalan objek dari foto atau untuk keperluan edukasi populer. |
Album cerdas | Mengklasifikasikan citra secara otomatis berdasarkan kontennya untuk menerapkan klasifikasi cerdas pada album foto dan galeri. Hal ini membantu mencapai manajemen yang efisien dan otomatis. |
Analisis pemandangan | Mendeteksi berbagai objek atau pemandangan dalam citra dan menambahkan label konten ke pemandangan yang berbeda. Hal ini meningkatkan efisiensi analisis pemandangan dan mengurangi biaya anotasi manual. |
Operasi konten | Memperoleh informasi label citra untuk rekomendasi konten. Fitur ini banyak digunakan di platform konten seperti media sosial, berita, informasi, dan platform e-commerce. |
Batasan
Tabel berikut menjelaskan batasan fitur deteksi label citra.
Batasan | Keterbatasan |
Format citra | Format citra berikut didukung:
|
Ukuran citra | Batasan ukuran citra berikut berlaku:
|
Prasyarat
Buat dan peroleh Pasangan Kunci Akses. Untuk informasi selengkapnya, lihat Buat Pasangan Kunci Akses.
Aktifkan OSS, buat bucket, dan unggah file ke bucket tersebut. Untuk informasi selengkapnya, lihat Unggah file.
Aktifkan Intelligent Media Management (IMM). Untuk informasi selengkapnya, lihat Aktifkan IMM.
Buat proyek di konsol IMM. Untuk informasi selengkapnya, lihat Buat proyek.
Bucket OSS dan proyek IMM harus berada di wilayah yang sama, misalnya Tiongkok (Hohhot).
CatatanAnda juga dapat memanggil operasi API CreateProject untuk membuat proyek. Untuk informasi selengkapnya, lihat CreateProject.
Anda dapat memanggil operasi ListProjects untuk menampilkan semua proyek di wilayah tertentu.
Prosedur
Panggil operasi DetectImageLabels untuk mendeteksi label dalam citra.
Informasi yang akan dideteksi
Nama proyek IMM: test-project
Alamat penyimpanan citra: oss://test-bucket/test-object.jpg
Contoh citra:
Contoh permintaan
{
"ProjectName": "test-project",
"SourceURI": "oss://test-bucket/test-object.jpg",
"Threshold": 0.7
}Contoh respons
Kode contoh
Kode contoh berikut menunjukkan cara menggunakan SDK Python untuk mendeteksi label citra.
# -*- coding: utf-8 -*-
# This file is auto-generated, don't edit it. Thanks.
import sys
import os
from typing import List
from alibabacloud_imm20200930.client import Client as imm20200930Client
from alibabacloud_tea_openapi import models as open_api_models
from alibabacloud_imm20200930 import models as imm_20200930_models
from alibabacloud_tea_util import models as util_models
from alibabacloud_tea_util.client import Client as UtilClient
class Sample:
def __init__(self):
pass
@staticmethod
def create_client(
access_key_id: str,
access_key_secret: str,
) -> imm20200930Client:
"""
Gunakan ID AccessKey dan rahasia AccessKey untuk menginisialisasi klien.
@param access_key_id:
@param access_key_secret:
@return: Client
@throws Exception
"""
config = open_api_models.Config(
access_key_id=access_key_id,
access_key_secret=access_key_secret
)
# Tentukan titik akhir IMM.
config.endpoint = f'imm.cn-beijing.aliyuncs.com'
return imm20200930Client(config)
@staticmethod
def main(
args: List[str],
) -> None:
# Akun Alibaba Cloud memiliki izin penuh atas semua operasi API. Kami menyarankan Anda menggunakan Pengguna RAM untuk memanggil operasi API atau melakukan O&M.
# Kami menyarankan agar Anda tidak menyimpan ID AccessKey dan rahasia AccessKey dalam kode proyek Anda. Jika tidak, pasangan AccessKey mungkin bocor dan keamanan semua sumber daya dalam akun Anda dapat terganggu.
# Dalam contoh ini, pasangan AccessKey diperoleh dari variabel lingkungan untuk memverifikasi identitas pemanggil API.
imm_access_key_id = os.getenv("ALIBABA_CLOUD_ACCESS_KEY_ID")
imm_access_key_secret = os.getenv("ALIBABA_CLOUD_ACCESS_KEY_SECRET")
# Inisialisasi klien.
client = Sample.create_client(imm_access_key_id, imm_access_key_secret)
detect_image_labels_request = imm_20200930_models.DetectImageLabelsRequest(
project_name='test-project',
source_uri='oss://test-bucket/test-object.jpg',
threshold=0.7
)
runtime = util_models.RuntimeOptions()
try:
# Jika Anda menyalin kode untuk menjalankannya, cetak nilai kembali dari operasi API.
client.detect_image_labels_with_options(detect_image_labels_request, runtime)
except Exception as error:
# Jika terjadi kesalahan, cetak pesan kesalahan.
UtilClient.assert_as_string(error.message)
@staticmethod
async def main_async(
args: List[str],
) -> None:
# Akun Alibaba Cloud memiliki izin penuh atas semua operasi API. Kami menyarankan Anda menggunakan Pengguna RAM untuk memanggil operasi API atau melakukan O&M.
# Kami menyarankan agar Anda tidak menyimpan ID AccessKey dan rahasia AccessKey dalam kode proyek Anda. Jika tidak, pasangan AccessKey mungkin bocor dan keamanan semua sumber daya dalam akun Anda dapat terganggu.
# Dalam contoh ini, pasangan AccessKey diperoleh dari variabel lingkungan untuk memverifikasi identitas pemanggil API.
imm_access_key_id = os.getenv("ALIBABA_CLOUD_ACCESS_KEY_ID")
imm_access_key_secret = os.getenv("ALIBABA_CLOUD_ACCESS_KEY_SECRET")
# Inisialisasi klien.
client = Sample.create_client(imm_access_key_id, imm_access_key_secret)
detect_image_labels_request = imm_20200930_models.DetectImageLabelsRequest(
project_name='test-project',
source_uri='oss://test-bucket/test-object.jpg',
threshold=0.7
)
runtime = util_models.RuntimeOptions()
try:
# Jika Anda menyalin kode untuk menjalankannya, cetak nilai kembali dari operasi API.
await client.detect_image_labels_with_options_async(detect_image_labels_request, runtime)
except Exception as error:
# Jika terjadi kesalahan, cetak pesan kesalahan.
UtilClient.assert_as_string(error.message)
if __name__ == '__main__':
Sample.main(sys.argv[1:])Penagihan
Saat deteksi label citra, item yang dapat ditagih dihasilkan untuk OSS dan IMM:
OSS: Untuk informasi harga selengkapnya, lihat Harga OSS.
API
Item yang dapat ditagih
Deskripsi
GetObject
Permintaan GET
Permintaan ditagih berdasarkan jumlah permintaan yang berhasil.
Kapasitas pengambilan data IA
Jika Anda mengambil data Akses Jarang (IA), biaya kapasitas pengambilan data IA akan dikenakan. Anda dikenai biaya berdasarkan volume data yang diambil.
Kapasitas pengambilan data akses waktu nyata Arsip
Jika Anda membaca objek Arsip dari bucket yang telah diaktifkan fitur akses waktu nyata untuk objek Arsip, biaya kapasitas pengambilan data akses waktu nyata Arsip akan dikenakan. Anda dikenai biaya berdasarkan ukuran data yang diambil.
Akselerasi transfer
Jika Anda mengaktifkan akselerasi transfer dan menggunakan Titik akhir percepatan untuk mengakses bucket Anda, biaya akselerasi transfer akan dikenakan. Anda dikenai biaya berdasarkan ukuran data.
HeadObject
Permintaan GET
Permintaan ditagih berdasarkan jumlah permintaan yang berhasil.
IMM: Untuk informasi harga selengkapnya, lihat Item yang dapat ditagih IMM.
PentingMulai pukul 11.00 tanggal 28 Juli 2025 (UTC+8), item yang dapat ditagih untuk layanan pelabelan citra IMM akan berubah dari ImageClassification menjadi ImageLabel. Untuk informasi selengkapnya, lihat Pemberitahuan Penyesuaian Penagihan IMM.
API
Item yang dapat ditagih
Deskripsi
DetectImageLabels
ImageLabel
Biaya deteksi label citra dihitung berdasarkan jumlah permintaan yang berhasil.
FAQ
Apakah deteksi label citra mendukung pendeteksian teks, tanggal, dan lokasi dalam citra serta mengonversinya menjadi label?
Tidak, tidak mendukung. Anda dapat menggunakan pencarian semantik citra untuk mengekstraksi teks dari citra. Anda kemudian dapat menentukan tanggal dan nama organisasi berdasarkan teks tersebut. Untuk memperoleh lokasi, jika citra Anda berisi informasi Exchangeable Image File Format (EXIF), Anda dapat memanggil operasi API informasi citra untuk mengambil data GPS tempat foto diambil.
Untuk citra yang mengandung konten kekerasan, pornografi, atau konten sensitif lainnya, deteksi otomatis mungkin tidak cukup sensitif atau akurat. Dalam beberapa kasus, tinjauan manual diperlukan.