شما در حال مشاهده اسناد Apigee Edge هستید.
به مستندات Apigee X بروید . اطلاعات
نسخه: 1.4.1
با استفاده از مدلهای یادگیری ماشین، محتوا و متن را در تصاویر کشف کنید.
این محتوا مرجعی برای پیکربندی و استفاده از این پسوند ارائه می دهد. قبل از استفاده از این پسوند از یک پروکسی API، باید:
اگر از فضای ذخیرهسازی ابری بهعنوان منبع تصاویر خود استفاده میکنید، باید همانطور که در مرجع افزونه Google Cloud Storage توضیح داده شده است، به Cloud Storage اجازه دسترسی به این برنامه افزودنی بدهید.
وقتی یک حساب سرویس دارید که مجوز Cloud Vision (و Cloud Storage، اگر از آن استفاده می کنید) دارد، از کنسول GCP برای ایجاد یک کلید برای حساب سرویس استفاده کنید .
هنگام افزودن و پیکربندی پسوند با استفاده از مرجع پیکربندی، از محتویات فایل JSON کلید حاصل استفاده کنید.
درباره Cloud Vision
Google Cloud Vision API از مدل های یادگیری ماشین برای تجزیه و تحلیل تصاویر استفاده می کند. میتوانید مدلی را برای API آموزش دهید تا از مدل داخلی استفاده کند یا از آن استفاده کند .
با استفاده از مدل داخلی، Cloud Vision تصاویر را به دستههایی مانند «آسمانخراش»، قایق بادبانی، «شیر» یا «برج ایفل» طبقهبندی میکند. اشیاء، چهرهها، آرمها و نشانهها را در تصاویر شناسایی میکند و کلمات موجود در داخل آن را تعیین میکند. تصاویر
نمونه ها
مثالهای زیر نحوه پیکربندی پشتیبانی برای اقدامات برنامه افزودنی Cloud Vision را با استفاده از خطمشی ExtensionCallout نشان میدهند.
شناسایی برچسب ها
در مثال زیر، اکشن detectLabels
برنامه افزودنی تصویر را در image_uri
دریافت میکند و آن را برای تجزیه و تحلیل به Cloud Vision API ارسال میکند. API تصویر را بررسی می کند و تعیین می کند که چه برچسب هایی برای محتوای تصویر اعمال می شود.
<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<ConnectorCallout async="false" continueOnError="true" enabled="true" name="Cloud-Vision-Extension">
<DisplayName>Cloud Vision Extension</DisplayName>
<Connector>cloud-vision-extension-example</Connector>
<Action>detectLabels</Action>
<Input><![CDATA[
{
"image_uri" : "gs://cloud-vision-example/empire-state-building.jpg"
}
]]></Input>
<Output>vision.labels.retrieved</Output>
</ConnectorCallout>
خط مشی Assign Message زیر از مقدار متغیری که پاسخ برنامه افزودنی را ذخیره می کند برای اختصاص بار پاسخ استفاده می کند.
<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<AssignMessage async="false" continueOnError="false" enabled="true" name="Get-Image-Labels">
<DisplayName>Get Image Labels</DisplayName>
<AssignTo type="response" createNew="false"/>
<Set>
<Payload contentType="application/json">{vision.labels.retrieved}</Payload>
</Set>
</AssignMessage>
با توجه به تصویری از یک منطقه شهری با یک ساختمان بسیار بلند در آن، ممکن است پاسخی مانند زیر دریافت کنید:
{
"labels": [
{
"locations": [
],
"properties": [
],
"mid": "/m/0j_s4",
"locale": "",
"description": "metropolitan area",
"score": 0.9868549704551697,
"confidence": 0,
"topicality": 0.9868549704551697,
"boundingPoly": null
},
{
"locations": [
],
"properties": [
],
"mid": "/m/079cl",
"locale": "",
"description": "skyscraper",
"score": 0.966157853603363,
"confidence": 0,
"topicality": 0.966157853603363,
"boundingPoly": null
}
]
}
تشخیص متن
در مثال زیر، اقدام extensions detectText
تصویر را در image_uri
دریافت می کند و آن را برای تجزیه و تحلیل به Cloud Vision API ارسال می کند. API تصویر را بررسی می کند و متن را در تصویر شناسایی می کند.
<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<ConnectorCallout async="false" continueOnError="true" enabled="true" name="Cloud-Vision-Text">
<DisplayName>Cloud Vision Text</DisplayName>
<Connector>cloud-vision-extension-example</Connector>
<Action>detectText</Action>
<Input><![CDATA[
{
"image_uri" : "gs://cloud-vision-example/parking-signs1.jpg"
}
]]></Input>
<Output>vision.text.retrieved</Output>
</ConnectorCallout>
خط مشی Assign Message زیر از مقدار متغیری که پاسخ برنامه افزودنی را ذخیره می کند برای اختصاص بار پاسخ استفاده می کند.
<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<AssignMessage async="false" continueOnError="false" enabled="true" name="Get-Image-Text">
<DisplayName>Get Image Text</DisplayName>
<AssignTo type="response" createNew="false"/>
<Set>
<Payload contentType="application/json">{vision.text.retrieved}</Payload>
</Set>
</AssignMessage>
با توجه به یک تصویر حاوی علائم در گزارش پارکینگ، ممکن است پاسخی مانند زیر دریافت کنید:
{
"text": [
{
"locations": [
],
"properties": [
],
"mid": "",
"locale": "en",
"description": "RESERVED\nVISITORPARKING\nPARKING\nONLY>\n$150 FINE\n",
"score": 0,
"confidence": 0,
"topicality": 0,
"boundingPoly": {
"vertices": [
{
"x": 64,
"y": 56
},
{
"x": 378,
"y": 56
},
{
"x": 378,
"y": 218
},
{
"x": 64,
"y": 218
}
]
}
},
{
"locations": [
],
"properties": [
],
"mid": "",
"locale": "",
"description": "RESERVED",
"score": 0,
"confidence": 0,
"topicality": 0,
"boundingPoly": {
"vertices": [
{
"x": 243,
"y": 56
},
{
"x": 378,
"y": 56
},
{
"x": 378,
"y": 84
},
{
"x": 243,
"y": 84
}
]
}
}
]
}
اقدامات
شناسایی برچسب ها
اطلاعات موجودات موجود در تصویر مشخص شده را شناسایی و استخراج می کند. موجودیت های شناسایی شده در گروه وسیعی از دسته بندی ها قرار دارند. به عنوان مثال، از این عمل برای شناسایی اشیا، مکان ها، فعالیت ها، گونه های جانوری، محصولات و موارد دیگر استفاده کنید.
همچنین، حتماً مستندات Cloud Vision API را ببینید.
درخواست پارامترها
پارامتر | توضیحات | تایپ کنید | پیش فرض | مورد نیاز |
---|---|---|---|---|
image_uri | منبع تصویر این می تواند از اینترنت یا Google Cloud Storage باشد (فرمت: gs://bucketname/filename ). اگر منبع Google Cloud Storage باشد، فایل تصویر باید عمومی باشد. | رشته | هیچ کدام. | بله. |
نحو
<Input><![CDATA[{
"image_uri" : "uri-of-image-to-analyze"
}
]]></Input>
مثال
در مثال زیر، اقدام detectLabels
برنامه افزودنی، تصویر مشخص شده را برای تجزیه و تحلیل به Vision API ارسال می کند.
<Input><![CDATA[
{
"image_uri" : "gs://cloud-vision-example/empire-state-building.jpg"
}
]]></Input>
پاسخ
یک شی حاوی یک آرایه labels
از برچسب ها که نشان دهنده موجودیت های شناسایی شده در تصویر است. برای اطلاعات بیشتر، به شناسایی برچسبها مراجعه کنید.
detectText
متن را از تصویر مشخص شده شناسایی و استخراج می کند.
درخواست پارامترها
پارامتر | توضیحات | تایپ کنید | پیش فرض | مورد نیاز |
---|---|---|---|---|
image_uri | منبع تصویر این می تواند از اینترنت یا Google Cloud Storage باشد (فرمت: gs://bucketname/filename ). اگر منبع Google Cloud Storage باشد، فایل تصویر باید عمومی باشد. | رشته | هیچ کدام. | بله. |
نحو
<Input><![CDATA[
{
"image_uri" : "uri-of-image-to-analyze"
}
]]></Input>
مثال
در مثال زیر، اقدام detectText
افزونه، تصویر مشخص شده را برای تجزیه و تحلیل به Vision API ارسال می کند.
<Input><![CDATA[
{
"image_uri" : "gs://cloud-vision-example/parking-signs1.jpg"
}
]]></Input>
پاسخ
یک شی حاوی یک آرایه text
از متن شناسایی شده است. برای اطلاعات بیشتر، به شناسایی برچسبها مراجعه کنید.
مرجع پیکربندی
هنگام پیکربندی و استقرار این افزونه برای استفاده در پراکسی های API از موارد زیر استفاده کنید. برای مراحل پیکربندی یک برنامه افزودنی با استفاده از کنسول Apigee، به افزودن و پیکربندی یک برنامه افزودنی مراجعه کنید.
ویژگی های رایج پسوند
ویژگی های زیر برای هر افزونه وجود دارد.
ویژگی | شرح | پیش فرض | ضروری |
---|---|---|---|
name | نامی که به این پیکربندی افزونه میدهید. | هیچ یک | آره |
packageName | نام بسته افزودنی همانطور که توسط Apigee Edge داده شده است. | هیچ یک | آره |
version | شماره نسخه بسته برنامه افزودنی که از آن یک برنامه افزودنی را پیکربندی می کنید. | هیچ یک | آره |
configuration | مقدار پیکربندی مخصوص افزونه ای که اضافه می کنید. به ویژگی های این بسته برنامه افزودنی مراجعه کنید | هیچ یک | آره |