Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
Маркировка изображений
plat_iosplat_android
С помощью API-интерфейсов маркировки изображений Cloud Vision вы можете распознавать объекты на изображении без необходимости предоставления каких-либо дополнительных контекстных метаданных.
Маркировка изображений дает вам представление о содержании изображений. Когда вы используете API, вы получаете список распознанных объектов: людей, вещей, мест, действий и т. д. Каждой найденной метке присваивается оценка, которая указывает на уверенность модели ML в ее актуальности. С помощью этой информации вы можете выполнять такие задачи, как автоматическое создание метаданных и модерация контента.
API маркировки изображений Firebase ML основан на ведущей в отрасли функции распознавания изображений Google Cloud , которая может классифицировать изображения с помощью более чем 10 000 меток во многих категориях. (См. ниже.)
Помимо текстового описания каждой метки, которую возвращает Firebase ML , он также возвращает идентификатор объекта Google Knowledge Graph метки. Этот идентификатор представляет собой строку, которая уникальным образом идентифицирует сущность, представленную меткой, и является тем же идентификатором, который используется API поиска в сети знаний . Эту строку можно использовать для идентификации объекта на разных языках независимо от форматирования текстового описания.
Ограниченное бесплатное использование
Бесплатно за первые 1000 использований этой функции в месяц: см. «Цены».
Примеры этикеток
API маркировки изображений поддерживает более 10 000 меток, включая следующие примеры и многое другое:
Категория
Примеры этикеток
Категория
Примеры этикеток
Искусство и развлечения
Sculpture Musical Instrument Dance
Астрономические объекты
Comet Galaxy Star
Бизнес и промышленность
Restaurant Factory Airline
Цвета
Red Green Blue
Дизайн
Floral Pattern Wood Stain
Напиток
Coffee Tea Milk
События
Meeting Picnic Vacation
Вымышленные персонажи
Santa Claus Superhero Mythical creature
Еда
Casserole Fruit Potato chip
Дом и сад
Laundry basket Dishwasher Fountain
Деятельность
Wedding Dancing Motorsport
Материалы
Ceramic Textile Fiber
СМИ
Newsprint Document Sign
Виды транспорта
Aircraft Motorcycle Subway
Занятия
Actor Florist Police
Организмы
Plant Animal Fungus
Организации
Government Club College
Места
Airport Mountain Tent
Технология
Robot Computer Solar panel
Вещи
Bicycle Pipe Doll
Примеры результатов
Фото: Клеман Букко-Леша / Wikimedia Commons / CC BY-SA 3.0
[null,null,["Последнее обновление: 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 |"]]
