Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
Rotulagem de imagens
plat_iosplat_android
Com as APIs de rotulagem de imagens do Cloud Vision, é possível reconhecer entidades em uma imagem sem precisar fornecer metadados contextuais adicionais.
A rotulagem de imagens fornece informações sobre o conteúdo das imagens. Ao usar a API, você recebe uma lista das entidades que foram reconhecidas: pessoas, objetos, lugares, atividades e assim por diante. Cada rótulo encontrado vem com uma pontuação que indica a confiança do modelo de ML quanto à relevância do rótulo. Com essas informações, você pode executar tarefas, como a geração automática de metadados e a moderação de conteúdo.
A API de rotulagem de imagens do Firebase ML usa a capacidade de compreensão de imagens líder do setor do Google Cloud, que pode classificar imagens com mais de 10.000 rótulos em muitas categorias. Veja abaixo.
Além do texto de descrição de cada rótulo que o Firebase ML
retorna, ele também retorna o ID de entidade do Mapa de informações do Google.
Esse ID é uma string que identifica exclusivamente a entidade reconhecida pelo
rótulo e é o mesmo ID usado pela
API Search do Mapa de informações.
Você pode usar essa string para identificar uma entidade entre idiomas e
independentemente da formatação da descrição do texto.
Uso limitado sem custo financeiro
Sem custo financeiro para os primeiros mil usos deste recurso por mês: consulte os
Preços
Exemplos de rótulos
A API de rotulagem de imagens oferece suporte a mais de 10.000 rótulos, incluindo os exemplos a seguir e muitos outros:
Categoria
Exemplos de rótulos
Categoria
Exemplos de rótulos
Artes e entretenimento
Sculpture Musical Instrument Dance
Objetos astronômicos
Comet Galaxy Star
Comércio e indústria
Restaurant Factory Airline
Cores
Red Green Blue
Design
Floral Pattern Wood Stain
Bebidas
Coffee Tea Milk
Eventos
Meeting Picnic Vacation
Personagens fictícios
Santa Claus Superhero Mythical creature
Comida
Casserole Fruit Potato chip
Casa e jardim
Laundry basket Dishwasher Fountain
Atividades
Wedding Dancing Motorsport
Materiais
Ceramic Textile Fiber
Mídia
Newsprint Document Sign
Modos de transporte
Aircraft Motorcycle Subway
Profissões
Actor Florist Police
Organismos
Plant Animal Fungus
Organizações
Government Club College
Lugares
Airport Mountain Tent
Tecnologia
Robot Computer Solar panel
Coisas
Bicycle Pipe Doll
Exemplos de resultados
Foto: Clément Bucco-Lechat / Wikimedia Commons / CC BY-SA 3.0
[null,null,["Última atualização 2025-08-08 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 |"]]
