Mantieni tutto organizzato con le raccolte
Salva e classifica i contenuti in base alle tue preferenze.
Etichettatura immagini
plat_iosplat_android
Con le API di etichettatura delle immagini di Cloud Vision, puoi riconoscere le entità
un'immagine senza dover fornire ulteriori metadati contestuali.
L'etichettatura delle immagini ti offre informazioni sui contenuti delle immagini. Quando utilizzi l'API, ricevi un elenco delle entità riconosciute: persone, oggetti, luoghi, attività e così via. Ogni etichetta trovata viene fornita con un punteggio
indica l'affidabilità del modello ML nella sua pertinenza. Con questo
informazioni, puoi eseguire attività come la generazione automatica di metadati
e la moderazione dei contenuti.
L'API Image Labeling di Firebase ML si basa sulla tecnologia di Google Cloud
leader del settore di comprensione delle immagini, in grado di classificare
immagini con oltre 10.000 etichette in molte categorie. (continua a leggere per ulteriori informazioni).
Oltre alla descrizione testuale di ogni etichetta che Firebase ML
restituisce anche l'ID entità Google Knowledge Graph dell'etichetta.
Questo ID è una stringa che identifica in modo univoco l'entità rappresentata da
l'etichetta ed è lo stesso ID utilizzato dalla
API Knowledge Graph Search.
Puoi usare questa stringa per identificare un'entità tra le lingue e
indipendentemente dalla formattazione
della descrizione testuale.
Utilizzo limitato senza costi
Nessun costo per i primi 1000 utilizzi al mese di questa funzionalità: vedi
Prezzi
Etichette di esempio
L'API Image Labeling supporta più di 10.000 etichette, inclusi i seguenti esempi
e molti altri ancora:
Categoria
Etichette di esempio
Categoria
Etichette di esempio
Arte e intrattenimento
Sculpture Musical Instrument Dance
Oggetti astronomici
Comet Galaxy Star
Economia e industriale
Restaurant Factory Airline
Colori
Red Green Blue
Design
Floral Pattern Wood Stain
Bevande
Coffee Tea Milk
Eventi
Meeting Picnic Vacation
Personaggi di fantasia
Santa Claus Superhero Mythical creature
Cibo
Casserole Fruit Potato chip
Casa e giardino
Laundry basket Dishwasher Fountain
Attività
Wedding Dancing Motorsport
Materiali
Ceramic Textile Fiber
Media
Newsprint Document Sign
Modalità di trasporto
Aircraft Motorcycle Subway
Professioni
Actor Florist Police
Organismi
Plant Animal Fungus
Organizzazioni
Government Club College
Luoghi
Airport Mountain Tent
Tecnologia
Robot Computer Solar panel
Cose
Bicycle Pipe Doll
Risultati di esempio
Foto: Clément Bucco-Lechat / Wikimedia Commons / CC BY-SA 3.0
[null,null,["Ultimo aggiornamento 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 |"]]
