קל לארגן דפים בעזרת אוספים
אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.
הוספת תוויות לתמונות
plat_iosplat_android
בעזרת ממשקי ה-API של הוספת תוויות לתמונות ב-Cloud Vision, אפשר לזהות ישויות
תמונה מבלי לספק מטא-נתונים נוספים לפי הקשר.
בעזרת תוויות לתמונות אפשר לקבל תובנות לגבי התוכן של תמונות. כשמשתמשים ב-API, מקבלים רשימה של הישויות שזוהו: אנשים, דברים, מקומות, פעילויות וכו'. לכל תווית שנמצאה יש ציון
מציין את רמת הביטחון של מודל למידת המכונה ברלוונטיות שלו. עכשיו אפשר
מידע, אפשר לבצע משימות כמו יצירת מטא-נתונים באופן אוטומטי
וניהול התוכן.
ה-API של הוספת תוויות לתמונות ב-Firebase ML מופעל על ידי Google Cloud
יכולות מהמובילות בתחום להבין תמונות, שיכולות לסווג
תמונות עם יותר מ-10,000 תוויות בקטגוריות רבות. (מידע נוסף מופיע בהמשך).
בנוסף לתיאור הטקסט של כל תווית Firebase ML מחזירה, היא מחזירה גם את מזהה הישות של התווית ב-Google Knowledge Graph.
המזהה הזה הוא מחרוזת שמזהה באופן ייחודי את הישות שמיוצגת על ידי
את התווית, והוא אותו מזהה שמשמש את
Knowledge Graph Search API.
אפשר להשתמש במחרוזת הזו כדי לזהות יישות בשפות שונות,
בנפרד מהפורמט של טקסט התיאור.
שימוש מוגבל ללא עלות
ללא עלות ל-1,000 השימושים הראשונים של התכונה בכל חודש:
תמחור
תוויות לדוגמה
ה-API להוספת תוויות לתמונות תומך ביותר מ-10,000 תוויות, כולל הדוגמאות הבאות
ועוד הרבה יותר:
קטגוריה
תוויות לדוגמה
קטגוריה
תוויות לדוגמה
אומנות ובידור
Sculpture Musical Instrument Dance
עצמים אסטרונומיים
Comet Galaxy Star
עסקים ו תעשייתי
Restaurant Factory Airline
צבעים
Red Green Blue
עיצוב
Floral Pattern Wood Stain
שתייה
Coffee Tea Milk
אירועים
Meeting Picnic Vacation
דמויות בדיוניות
Santa Claus Superhero Mythical creature
אוכל
Casserole Fruit Potato chip
לבית ולגינה
Laundry basket Dishwasher Fountain
פעילויות
Wedding Dancing Motorsport
חומרים
Ceramic Textile Fiber
מדיה
Newsprint Document Sign
אמצעי תחבורה
Aircraft Motorcycle Subway
מקצועות
Actor Florist Police
אורגניזמים
Plant Animal Fungus
ארגונים
Government Club College
מקומות
Airport Mountain Tent
טכנולוגיה
Robot Computer Solar panel
דברים
Bicycle Pipe Doll
תוצאות לדוגמה
תמונה: Clément Bucco-Lechat / Wikimedia Commons / CC BY-SA 3.0
[null,null,["עדכון אחרון: 2025-07-25 (שעון 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 |"]]
