EITC/AI/GVAPI Google VIS API

गुगल क्लाउडले दुई कम्प्युटर दर्शन सेवाहरू प्रदान गर्दछ (संयुक्त रूपमा भिजन ऐनको रूपमा संदर्भित छ) जसले उच्च पूर्वानुमान शुद्धताका साथ छविहरू र भिडियोहरू बुझ्नको लागि मेशिन लर्निंग प्रयोग गर्दछ, जस्तै AutoML Vision र V दृष्टि एपीआई। AutoML दृष्टि अनुकूलन कस्टम मेशिन शिक्षा मोडेलको प्रशिक्षण। यसले छविहरूको अपलोड गर्न सक्षम गर्दछ र प्रयोग गर्न सजिलो ग्राफिकल ईन्टरफेसको साथ कस्टम छवि मोडेलहरू; सटीकता, विलम्बता, र आकारको लागि मोडेलहरूलाई अनुकूलन गर्दै र उनीहरूलाई क्लाउडमा कुनै अनुप्रयोगमा निर्यात गर्नुहोस्, वा किनारामा उपकरणहरूको एर्रेमा। अर्को तर्फ गुगल क्लाउडको भिजन एपीआईले शक्तिशाली पूर्व प्रशिक्षित मेशिन शिक्षा मोडेलहरू आरईएसटी (प्रतिनिधित्व राज्य स्थानान्तरण) र आरपीसी (रिमोट प्रोसिजर कल) एपीआई मार्फत प्रदान गर्दछ, छविहरूमा लेबलहरू प्रदान गर्दै र तिनीहरूलाई लाखौं पूर्वनिर्धारित कोटीहरूमा छिटो वर्गीकरण गर्दै। वस्तुहरू र अनुहारहरू पत्ता लगाउँदै, छापिएको र हस्तलिखित पाठ पढाउँदै, र छवि क्याटलगहरूमा मूल्यवान मेटाडाटा निर्माण गर्दै। तपाईं क्लाउड वा धारमा छविहरूको अन्तर्दृष्टि प्राप्त गर्न AutoML Vision प्रयोग गर्न सक्नुहुनेछ वा भावना पत्ता लगाउन पूर्व दृश्य-प्रशिक्षण एपीआई मोडेलहरू प्रयोग गर्नुहोस्, भिजुअल डाटाबाट पाठ बुझ्नुहोस्, र अधिक।

गुगल क्लाउडको दृष्टि एपीआईको साथ यो सम्भव छ:

• वस्तुहरू पत्ता लगाउनुहोस्: वस्तुहरू पत्ता लगाउनुहोस्, तिनीहरू कहाँ छन्, र कति।
• दृष्टि उत्पाद खोज सक्षम गर्नुहोस्: तपाईंको उत्पाद क्याटलगमा छविहरूसँग फोटोहरू तुलना गर्नुहोस्, र समान आईटमहरूको क्रमबद्ध सूची फर्काउनुहोस्।
• छापिएको र हस्तलिखित पाठ फेला पार्नुहोस्: OCR प्रयोग गर्नुहोस् र स्वचालित रूपमा भाषा पहिचान गर्नुहोस्।
• अनुहारहरू पत्ता लगाउनुहोस्: अनुहारहरू र अनुहारका विशेषताहरू पत्ता लगाउनुहोस्। (अनुहार पहिचान समर्थित छैन।)
• लोकप्रिय स्थानहरू र उत्पाद लोगोहरू पहिचान गर्नुहोस्: स्वचालित रूपमा प्रसिद्ध स्थलहरू र उत्पाद लोगोहरू पहिचान गर्नुहोस्।
• सामान्य छवि सुविधाहरू तोक्नुहोस्: सामान्य विशेषता र उपयुक्त फसल संकेतहरू पत्ता लगाउनुहोस्।
• वेब संस्था र पृष्ठहरू पत्ता लगाउनुहोस्: वेबमा समाचार घटनाहरू, लोगोहरू र समान छविहरू फेला पार्नुहोस्।
• मध्यम सामग्री: छविहरूमा स्पष्ट सामग्री (वयस्क, हिंस्रक, आदि) पत्ता लगाउनुहोस्।
• सेलिब्रिटी मान्यता: छविहरूमा सेलिब्रेटी अनुहारहरू पहिचान गर्नुहोस् (सीमित पहुँच, कागजातहरू हेर्नुहोस्।)
• पूर्वनिर्धारित लेबलहरू प्रयोग गरेर छविहरूको वर्गीकरण गर्नुहोस्: पूर्व-प्रशिक्षित मोडेलहरूले पूर्वनिर्धारित लेबलहरूको विशाल पुस्तकालयहरूको लाभ उठाउँदछ।
• गुगलको डाटा लेबलिंग सेवा प्रयोग गर्नुहोस्: गुगलले छवि, भिडियो, र पाठ व्याख्या गर्न मद्दत गर्दछ।
• एपीआईहरू प्रयोग गर्नुहोस्: प्रयोग गर्नुहोस् आरईएसटी र आरपीसी एपीआईहरू।

दृष्टि एपीआई को लागी सम्भव प्रयोग केस अनगिन्ती छ।

उदाहरणका लागि भिजन एपीआई प्रयोग गरेर तपाईले दृष्टि उत्पाद खोजी लागू गर्न सक्नुहुनेछ ग्राहकलाई छविहरूको बीचमा रूचिका उत्पादनहरू फेला पार्न सक्षम पार्ने र दृश्य खोज खोजी क्याटलग (छवि खोजी, स्वचालित रूपमा समान उत्पादहरू इत्यादि।)।

माथिको भिडियोले कसरी गुगल क्लाउड AutoML दृष्टि एआई प्रयोग गर्दछ छवि विश्लेषण गर्न।

दुईवटा एआई प्रणाली, पूर्व-प्रशिक्षित र लगातार अपग्रेड गरिएको Google VIS एपीआईसँग नजिकबाट सम्बन्धित Google AutoML V दृष्टि हो उद्यमहरूलाई दृष्टि विश्लेषण र समझमा कृत्रिम बुद्धिमत्ता सहायताको लागि उनीहरूको आफ्नै मेशिन लर्निंग मोडेलहरू र कस्टम प्रशिक्षण प्रयोग गर्न। गुगल क्लाउडको मेसिन लर्निंग सूटको अंशको हिस्सा हो, यो सीमित मेसिन सिकाई विशेषज्ञताका साथ विकासकर्ताहरूलाई तिनीहरूको विशिष्ट प्रयोगको केसहरूको लागि ट्रेन अनुकूलन दर्शन मोडेललाई मद्दत गर्न डिजाइन गरिएको हो। सामान्य पूर्व-प्रशिक्षित मोडलमा माग गरिएको पहुँचको आवश्यकताको लागि, एआई विकासकर्ताहरूले Google दृष्टि एपीआई प्रयोग गर्न सक्दछन्।