{"success":true,"image_url":"https://natureconservancy-h.assetsadobe.com/is/image/content/dam/tnc/nature/en/photos/d/o/Downy-woodpecker-Matt-Williams.jpg?crop=0%2C39%2C3097%2C2322&wid=820&hei=615&scl=3.776829268292683","output":[{"label":"Downy Woodpecker","score":0.95}]}
curl --location --request POST 'https://zylalabs.com/api/6480/bird+detection+api/9342/bird+classification?url=https://natureconservancy-h.assetsadobe.com/is/image/content/dam/tnc/nature/en/photos/d/o/Downy-woodpecker-Matt-Williams.jpg?crop=0%2C39%2C3097%2C2322&wid=820&hei=615&scl=3.776829268292683' --header 'Authorization: Bearer YOUR_API_KEY'
注册后,每个开发者都会被分配一个个人 API 访问密钥,这是一个唯一的字母和数字组合,用于访问我们的 API 端点。要使用 鸟类检测 API 进行身份验证,只需在 Authorization 标头中包含您的 bearer token。
| 标头 | 描述 |
|---|---|
授权
|
必需
应为 Bearer access_key. 订阅后,请查看上方的"您的 API 访问密钥"。
|
无长期承诺。随时升级、降级或取消。 免费试用包括最多 50 个请求。
(年度计费可节省 2 个月 🎉)
领先企业的信赖之选
鸟类分类端点返回一个包含成功状态、图像URL和分类结果数组的JSON对象。每个结果包含一个鸟类物种标签和一个表示分类准确性的置信度分数
响应数据中的关键字段包括“success”(布尔值)、“image_url”(字符串)和“output”(数组)。“output”数组包含具有“label”(物种名称)和“score”(置信水平)的对象
响应数据被结构化为一个JSON对象它以成功指示符开始接着是图像URL并以一个分类结果数组结束每个结果详细描述了识别的物种及其置信度分数
鸟类分类接口提供已识别鸟类物种的信息,包括其名称和基于图像分析的置信分数。它专注于视觉特征以实现准确分类
鸟类分类端点需要一个参数:图像URL 用户必须提供一个有效的URL指向他们希望分类的鸟类图像
用户可以通过解释“标签”进行物种识别,并使用“分数”评估分类的可靠性来利用返回的数据。更高的分数表示对识别的更大信心
数据准确性通过先进的机器学习算法得以维护,这些算法分析鸟类的视觉特征 通过与多样的数据集进行持续训练,有助于提高模型的性能和可靠性
典型的用例包括野生动物研究、鸟类观察应用、教育工具和保护工作 用户可以通过图像识别物种以用于研究或提升对鸟类多样性的意识