Zadbaj o dobrą organizację dzięki kolekcji
Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.
Dodawanie etykiet do obrazów
plat_iosplat_android
Dzięki interfejsom API do etykietowania obrazów w Cloud Vision możesz rozpoznawać encje w
bez konieczności podawania dodatkowych metadanych kontekstowych.
Oznaczanie obrazów etykietami zapewnia wgląd w ich zawartość. Jeśli używasz tagu
API, otrzymasz listę rozpoznanych jednostek: osoby, rzeczy,
o miejscach, aktywnościach itd. Każda znaleziona etykieta ma ocenę, która
wskazuje pewność co do trafności modelu ML. W związku z tym
możesz wykonywać takie działania jak
automatyczne generowanie metadanych,
i moderacja treści.
Interfejs API do etykietowania obrazów w usłudze Firebase ML korzysta z technologii Google Cloud
najnowocześniejszą w branży technologię rozpoznawania obrazów, która klasyfikuje
obrazy z ponad 10 000 etykiet w wielu kategoriach. (patrz niżej).
Uzupełnieniem tekstu każdej etykiety, którą Firebase ML
zwraca także identyfikator jednostki Grafu wiedzy Google etykiety.
Ten identyfikator jest ciągiem znaków jednoznacznie identyfikującym podmiot reprezentowany przez
i jest to ten sam identyfikator używany przez
Interfejs API wyszukiwania Grafu wiedzy.
Za pomocą tego ciągu znaków możesz zidentyfikować jednostkę w różnych językach.
niezależnie od formatowania opisu tekstowego.
Ograniczone, bezpłatne wykorzystanie
Bezpłatne za pierwsze 1000 zastosowań tej funkcji miesięcznie: zobacz
Ceny
Przykładowe etykiety
Interfejs API do etykietowania obrazów obsługuje ponad 10 tys. etykiet, m.in. te przykłady
i wiele innych:
Kategoria
Przykładowe etykiety
Kategoria
Przykładowe etykiety
Sztuka i rozrywka
Sculpture Musical Instrument Dance
Obiekty astronomiczne
Comet Galaxy Star
Biznes industrialny
Restaurant Factory Airline
Kolory
Red Green Blue
Projektowanie
Floral Pattern Wood Stain
Napoje
Coffee Tea Milk
Wydarzenia
Meeting Picnic Vacation
Fikcyjne postacie
Santa Claus Superhero Mythical creature
Jedzenie
Casserole Fruit Potato chip
Dom i ogród
Laundry basket Dishwasher Fountain
Działania
Wedding Dancing Motorsport
Materiały
Ceramic Textile Fiber
Multimedia
Newsprint Document Sign
Środki transportu
Aircraft Motorcycle Subway
Zawody
Actor Florist Police
Organizmy
Plant Animal Fungus
Organizacje
Government Club College
Miejsca
Airport Mountain Tent
Technologia
Robot Computer Solar panel
Rzeczy
Bicycle Pipe Doll
Przykładowe wyniki
Zdjęcie: Clément Bucco-Lechat / Wikimedia Commons / CC BY-SA 3.0
[null,null,["Ostatnia aktualizacja: 2025-07-25 UTC."],[],[],null,["Image Labeling \nplat_ios plat_android \n\nWith Cloud Vision's image labeling APIs, you can recognize entities in\nan image without having to provide any additional contextual metadata.\n\nImage labeling gives you insight into the content of images. When you use the\nAPI, you get a list of the entities that were recognized: people, things,\nplaces, activities, and so on. Each label found comes with a score that\nindicates the confidence the ML model has in its relevance. With this\ninformation, you can perform tasks such as automatic metadata generation\nand content moderation.\n\n\u003cbr /\u003e\n\nReady to get started? Choose your platform:\n\n[iOS+](/docs/ml/ios/label-images)\n[Android](/docs/ml/android/label-images)\n\n\u003cbr /\u003e\n\n| **Want to label images with your own categories?** Train your own image labeling models with [AutoML Vision Edge](/docs/ml/automl-image-labeling).\n| **Looking for on-device image labeling?** Try the [standalone ML Kit library](https://developers.google.com/ml-kit/vision/image-labeling).\n\nKey capabilities\n\n|--------------------------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| High-accuracy image labeling | Firebase ML's image labeling API is powered by Google Cloud's industry-leading image understanding capability, which can classify images with 10,000+ labels in many categories. (See below.) Try it yourself with the [Cloud Vision API demo](https://cloud.google.com/vision/docs/drag-and-drop). |\n| Knowledge Graph entity support | In addition the text description of each label that Firebase ML returns, it also returns the label's Google Knowledge Graph entity ID. This ID is a string that uniquely identifies the entity represented by the label, and is the same ID used by the [Knowledge Graph Search API](https://developers.google.com/knowledge-graph/). You can use this string to identify an entity across languages, and independently of the formatting of the text description. |\n| Limited no-cost use | No-cost for first 1000 uses of this feature per month: see [Pricing](/pricing) |\n\nExample labels\n\nThe image labeling API supports 10,000+ labels, including the following examples\nand many more:\n\n| Category | Example labels | Category | Example labels |\n|------------------------|------------------------------------------|----------------------|-----------------------------------------------|\n| Arts \\& entertainment | `Sculpture` `Musical Instrument` `Dance` | Astronomical objects | `Comet` `Galaxy` `Star` |\n| Business \\& industrial | `Restaurant` `Factory` `Airline` | Colors | `Red` `Green` `Blue` |\n| Design | `Floral` `Pattern` `Wood Stain` | Drink | `Coffee` `Tea` `Milk` |\n| Events | `Meeting` `Picnic` `Vacation` | Fictional characters | `Santa Claus` `Superhero` `Mythical creature` |\n| Food | `Casserole` `Fruit` `Potato chip` | Home \\& garden | `Laundry basket` `Dishwasher` `Fountain` |\n| Activities | `Wedding` `Dancing` `Motorsport` | Materials | `Ceramic` `Textile` `Fiber` |\n| Media | `Newsprint` `Document` `Sign` | Modes of transport | `Aircraft` `Motorcycle` `Subway` |\n| Occupations | `Actor` `Florist` `Police` | Organisms | `Plant` `Animal` `Fungus` |\n| Organizations | `Government` `Club` `College` | Places | `Airport` `Mountain` `Tent` |\n| Technology | `Robot` `Computer` `Solar panel` | Things | `Bicycle` `Pipe` `Doll` |\n\nExample results Photo: Clément Bucco-Lechat / Wikimedia Commons / CC BY-SA 3.0\n\n| Label | Knowledge Graph entity ID | Confidence |\n|-------------------------|---------------------------|------------|\n| sport venue | /m/0bmgjqz | 0.9860726 |\n| player | /m/02vzx9 | 0.9797604 |\n| stadium | /m/019cfy | 0.9635762 |\n| soccer specific stadium | /m/0404y4 | 0.95806926 |\n| football player | /m/0gl2ny2 | 0.9510419 |\n| sports | /m/06ntj | 0.9253524 |\n| soccer player | /m/0pcq81q | 0.9033665 |\n| arena | /m/018lrm | 0.8897188 |"]]
