{"success":true,"image_url":"https://upload.wikimedia.org/wikipedia/commons/b/be/Orang_Utan%2C_Semenggok_Forest_Reserve%2C_Sarawak%2C_Borneo%2C_Malaysia.JPG","output":[{"label":"Orangutan","score":0.99}]}
curl --location --request POST 'https://zylalabs.com/api/7122/species+detection+api/11229/animal+identifier?url=https://upload.wikimedia.org/wikipedia/commons/b/be/Orang_Utan%2C_Semenggok_Forest_Reserve%2C_Sarawak%2C_Borneo%2C_Malaysia.JPG' --header 'Authorization: Bearer YOUR_API_KEY'
साइन अप करने के बाद, प्रत्येक डेवलपर को एक पर्सनल API एक्सेस की असाइन की जाती है, जो अक्षरों और अंकों का एक यूनिक संयोजन होता है, जिसका उपयोग हमारे API एंडपॉइंट तक पहुंचने के लिए किया जाता है। प्रमाणीकरण के लिए प्रजाति पहचान API के साथ बस अपने बेयरर टोकन को Authorization हेडर में शामिल करें।
| हेडर | विवरण |
|---|---|
Authorization
|
आवश्यक
होना चाहिए Bearer access_key. जब आप सब्सक्राइब हों तो ऊपर "Your API Access Key" देखें।
|
कोई लंबी अवधि की प्रतिबद्धता नहीं। कभी भी अपग्रेड, डाउनग्रेड या कैंसल करें। फ्री ट्रायल में 50 रिक्वेस्ट तक शामिल हैं।
(वार्षिक बिलिंग के साथ 2 महीने बचाएँ 🎉)
अग्रणी कंपनियों का भरोसा
एनिमल आइडेंटिफायर एंडपॉइंट एक JSON ऑब्जेक्ट लौटाता है जिसमें एक सफलता स्थिति, इमेज यूआरएल और वर्गीकरण परिणामों का एक एरे होता है प्रत्येक परिणाम में एक बिल्ली की प्रजाति का लेबल और एक आत्मविश्वास स्कोर शामिल होता है जो वर्गीकरण की सटीकता को दर्शाता है
प्रतिक्रिया डेटा में मुख्य क्षेत्र "सफलता" (बूलियन), "छवि_URL" (स्ट्रिंग) और "आउटपुट" (ऐरे) शामिल हैं "आउटपुट" ऐरे में "लेबल" (प्रजाति का नाम) और "स्कोर" (विश्वास स्तर) वाले वस्तुओं होते हैं
प्रतिक्रिया डेटा एक JSON ऑब्जेक्ट के रूप में संरचित है यह एक सफलता संकेतक के साथ शुरू होता है इसके बाद छवि का URL होता है और इसका समापन वर्गीकरण परिणामों के एक सरणी के साथ होता है प्रत्येक में पहचानी गई प्रजातियों और उसके विश्वास स्कोर का विवरण होता है
पशु पहचानकर्ता एंडपॉइंट प्रजातियों की जानकारी प्रदान करता है जिसमें उनके नाम और छवि विश्लेषण के आधार पर विश्वास स्कोर शामिल हैं
पशु पहचानकर्ता अंत النقطة एकल पैरामीटर की आवश्यकता होती है: छवि यूआरएल। उपयोगकर्ताओं को उस पक्षी छवि का मान्य यूआरएल प्रदान करना होगा जिसे वे वर्गीकृत करना चाहते हैं
उपयोगकर्ता प्रजातियों की पहचान के लिए "लेबल" की व्याख्या करके और वर्गीकरण की विश्वसनीयता का मूल्यांकन करने के लिए "स्कोर" का उपयोग करके लौटाए गए डेटा का उपयोग कर सकते हैं उच्च स्कोर पहचान में अधिक आत्मविश्वास का संकेत देते हैं
डेटा सटीकता उन्नत मशीन लर्निंग एल्गोरिदम के माध्यम से बनाए रखी जाती है जो बिल्लियों की दृश्य विशेषताओं का विश्लेषण करते हैं विविध डेटा सेट के साथ निरंतर प्रशिक्षण मॉडल के प्रदर्शन और विश्वसनीयता में सुधार करने में मदद करता है