本文介紹目標檢測(objectdet)類目下的物體檢測DetectObject的語法及示例。
功能描述
物體檢測能力可以檢測輸入圖像中的物體。
關于該接口功能的示例圖如下:
接入指引
1. 注冊阿里云賬號:打開阿里云官網,在阿里云官網右上角,單擊立即注冊,按照操作提示完成賬號注冊。
2. 開通能力:請確保您已開通目標檢測服務,若未開通服務請立即開通。
3. 創建AccessKey:請確保您已創建AccessKey,如果您使用的是子賬號AccessKey,您需要給子賬號賦予AliyunVIAPIFullAccess權限,具體操作,請參見RAM授權。
4. 在線調試(可選):您可以通過OpenAPI Explorer在線調試能力,查看完整的調用示例代碼及SDK依賴信息,也可以下載完整的工程。
5. 開發接入步驟:
- 在SDK總覽中選擇您要接入使用的SDK語言。
- 在對應語言的SDK文檔中找到AI類目為目標檢測(objectdet)類目的SDK包進行安裝。
- 參考文檔中提供的示例代碼進行適當修改后調用。
6. 示例代碼:該能力常用語言的示例代碼,請參見物體檢測示例代碼。
7. 客戶端直接調用:該能力常用的客戶端調用方式包括以下幾種。
輸入限制
- 圖像格式:JPEG、JPG、PNG、BMP。
- 圖像大小:不超過3 MB。
- 圖像分辨率:大于20×20像素,小于4096×4096像素。
- URL地址中不能包含中文字符。
計費說明
關于物體檢測的計費方式及報價,請參見計費介紹。
調試
您可以在OpenAPI Explorer中直接運行該接口,免去您計算簽名的困擾。運行成功后,OpenAPI Explorer可以自動生成SDK代碼示例。
請求參數
名稱 |
類型 |
是否必選 |
示例值 |
描述 |
Action | String | 是 | DetectObject | 系統規定參數。取值:DetectObject。 |
ImageURL | String | 是 | http://viapi-test.oss-cn-shanghai.aliyuncs.com/viapi-3.0domepic/objectdet/DetectObject/DetectObject1.jpg | 圖像URL地址。推薦使用上海地域的OSS鏈接,對于文件在本地或者非上海地域OSS鏈接的情況,請參見文件URL處理。 |
返回數據
名稱 |
類型 |
示例值 |
描述 |
RequestId | String | 6EF97B44-2763-4EAD-8737-FB9F5EE25FE2 | 請求ID。 |
Data | Object | 返回的結果數據內容。 |
|
Elements | Array of Element | 檢測框數據集合。 |
|
Type | String | chair | 檢測框對應的物體名稱。具體類型如下所示。 |
Boxes | Array of Integer | [468, 238, 531, 299] | 檢測框坐標,格式為 |
Score | Float | 0.266 | 檢測到物體的置信度,取值范圍為0~1。 |
Width | Integer | 533 | 圖片的寬度。 |
Height | Integer | 300 | 圖片的高度。 |
Type類型包括:
human(人體)、sneakers(膠底運動鞋)、chair(椅子)、hat(帽子)、lamp(燈)、cabinet/shelf(櫥柜/ 架子)、car(汽車)、glasses(眼鏡)、picture/frame(照片/圖畫)、street lights(街燈)、helmet(頭盔)、pillow(枕頭)、glove(手套)、potted plant(盆栽植物)、flower(花)、monitor(顯示屏)、plants pot/vase(花盆)、boots(靴子)、umbrella(傘)、boat(小船)、flag(旗幟)、speaker(揚聲器/話筒)、trash bin/can(垃圾桶)、backpack( 雙肩背包)、sofa(沙發)、belt(腰帶)、carpet(地毯)、coffee table(咖啡桌/茶幾)、tie(領帶)、bed(床)、traffic light(紅綠燈)、necklace(項鏈)、mirror(鏡子)、bicycle(自行車)、watch(手表)、horse(馬)、traffic sign(交通標志)、stuffed animal(填充玩具動物)、motorbike/motorcycle(摩托車)、wild bird(鳥)、laptop(筆記本電腦)、cow(奶牛)、clock(時鐘)、bus(公共汽車)、nightstand(床頭柜)、sheep(綿羊)、traffic cone(錐形交通路標)、keyboard(鍵盤)、hockey stick(曲棍球球棍)、fan(電扇)、dog(狗)、blackboard/whiteboard(白板/黑板)、mouse(鼠標)、telephone(電話)、airplane(飛機)、skis(滑雪板)、soccer(英式足球)、combine with glove(棒球手套)、train(火車)、tent(帳篷)、sailboat(帆船)、kite(風箏)、computer box(計算機主機機箱)、elephant(大象)、stroller(折疊式嬰兒車)、baseball bat(棒球棒)、skateboard(溜冰板)、surfboard(沖浪板)、cat(貓)、zebra(斑馬)、sports car(跑車)、giraffe(長頸鹿)、radiator(散熱器)、tennis racket(網球拍)、skating and skiing shoes(溜冰鞋)、baseball(棒球)、american football(美式橄欖球)、basketball(籃球)、printer(打印機)、fire hydrant(消防栓)、projector(投影儀)、fire extinguisher(滅火器)、tennis ball(網球)、frisbee(飛盤)、fire truck(消防車)、helicopter(直升飛機)、carriage(四輪馬車)、bear(熊)、globe(地球儀)、volleyball(排球)。
SDK參考
阿里云視覺AI目標檢測類目下的物體檢測能力推薦使用SDK調用,支持多種編程語言,調用時請選擇AI類目為目標檢測(objectdet)的SDK包,文件參數通過SDK調用可支持本地文件及任意URL,具體可參見SDK總覽。
示例代碼
該能力常用語言的示例代碼,請參見物體檢測示例代碼。
示例
請求示例
http(s)://objectdet.cn-shanghai.aliyuncs.com/?Action=DetectObject //更多關于訪問域名(Endpoint)信息,請參見:http://bestwisewords.com/document_detail/143103.html
&ImageURL=http://viapi-test.oss-cn-shanghai.aliyuncs.com/viapi-3.0domepic/objectdet/DetectObject/DetectObject1.jpg
&<公共請求參數>
正常返回示例
XML
格式
HTTP/1.1 200 OK
Content-Type:application/xml
<DetectObjectResponse>
<RequestId>6EF97B44-2763-4EAD-8737-FB9F5EE25FE2</RequestId>
<Data>
<Height>300</Height>
<Elements>
<Score>0.266</Score>
<Type>chair</Type>
<Boxes>468</Boxes>
<Boxes>238</Boxes>
<Boxes>531</Boxes>
<Boxes>299</Boxes>
</Elements>
<Elements>
<Score>0.213</Score>
<Type>chair</Type>
<Boxes>452</Boxes>
<Boxes>168</Boxes>
<Boxes>531</Boxes>
<Boxes>233</Boxes>
</Elements>
<Elements>
<Score>0.308</Score>
<Type>picture/frame</Type>
<Boxes>487</Boxes>
<Boxes>44</Boxes>
<Boxes>501</Boxes>
<Boxes>96</Boxes>
</Elements>
<Elements>
<Score>0.257</Score>
<Type>picture/frame</Type>
<Boxes>477</Boxes>
<Boxes>67</Boxes>
<Boxes>484</Boxes>
<Boxes>98</Boxes>
</Elements>
<Elements>
<Score>0.201</Score>
<Type>picture/frame</Type>
<Boxes>503</Boxes>
<Boxes>26</Boxes>
<Boxes>524</Boxes>
<Boxes>85</Boxes>
</Elements>
<Elements>
<Score>0.515</Score>
<Type>pillow</Type>
<Boxes>161</Boxes>
<Boxes>141</Boxes>
<Boxes>181</Boxes>
<Boxes>158</Boxes>
</Elements>
<Elements>
<Score>0.293</Score>
<Type>pillow</Type>
<Boxes>473</Boxes>
<Boxes>143</Boxes>
<Boxes>496</Boxes>
<Boxes>157</Boxes>
</Elements>
<Elements>
<Score>0.214</Score>
<Type>pillow</Type>
<Boxes>241</Boxes>
<Boxes>145</Boxes>
<Boxes>253</Boxes>
<Boxes>166</Boxes>
</Elements>
<Elements>
<Score>0.374</Score>
<Type>potted plant</Type>
<Boxes>449</Boxes>
<Boxes>97</Boxes>
<Boxes>477</Boxes>
<Boxes>140</Boxes>
</Elements>
<Elements>
<Score>0.412</Score>
<Type>sofa</Type>
<Boxes>145</Boxes>
<Boxes>135</Boxes>
<Boxes>304</Boxes>
<Boxes>202</Boxes>
</Elements>
<Elements>
<Score>0.269</Score>
<Type>sofa</Type>
<Boxes>443</Boxes>
<Boxes>136</Boxes>
<Boxes>531</Boxes>
<Boxes>190</Boxes>
</Elements>
<Elements>
<Score>0.262</Score>
<Type>sofa</Type>
<Boxes>301</Boxes>
<Boxes>136</Boxes>
<Boxes>352</Boxes>
<Boxes>168</Boxes>
</Elements>
<Elements>
<Score>0.242</Score>
<Type>sofa</Type>
<Boxes>452</Boxes>
<Boxes>167</Boxes>
<Boxes>531</Boxes>
<Boxes>230</Boxes>
</Elements>
<Elements>
<Score>0.219</Score>
<Type>carpet</Type>
<Boxes>0</Boxes>
<Boxes>153</Boxes>
<Boxes>272</Boxes>
<Boxes>293</Boxes>
</Elements>
<Elements>
<Score>0.458</Score>
<Type>coffee table</Type>
<Boxes>171</Boxes>
<Boxes>172</Boxes>
<Boxes>214</Boxes>
<Boxes>214</Boxes>
</Elements>
<Elements>
<Score>0.358</Score>
<Type>coffee table</Type>
<Boxes>337</Boxes>
<Boxes>185</Boxes>
<Boxes>420</Boxes>
<Boxes>274</Boxes>
</Elements>
<Elements>
<Score>0.285</Score>
<Type>coffee table</Type>
<Boxes>386</Boxes>
<Boxes>159</Boxes>
<Boxes>428</Boxes>
<Boxes>192</Boxes>
</Elements>
<Elements>
<Score>0.214</Score>
<Type>mirror</Type>
<Boxes>503</Boxes>
<Boxes>26</Boxes>
<Boxes>524</Boxes>
<Boxes>85</Boxes>
</Elements>
<Width>533</Width>
</Data>
</DetectObjectResponse>
JSON
格式
HTTP/1.1 200 OK
Content-Type:application/json
{
"RequestId" : "6EF97B44-2763-4EAD-8737-FB9F5EE25FE2",
"Data" : {
"Height" : 300,
"Elements" : [ {
"Score" : 0.266,
"Type" : "chair",
"Boxes" : [ 468, 238, 531, 299 ]
}, {
"Score" : 0.213,
"Type" : "chair",
"Boxes" : [ 452, 168, 531, 233 ]
}, {
"Score" : 0.308,
"Type" : "picture/frame",
"Boxes" : [ 487, 44, 501, 96 ]
}, {
"Score" : 0.257,
"Type" : "picture/frame",
"Boxes" : [ 477, 67, 484, 98 ]
}, {
"Score" : 0.201,
"Type" : "picture/frame",
"Boxes" : [ 503, 26, 524, 85 ]
}, {
"Score" : 0.515,
"Type" : "pillow",
"Boxes" : [ 161, 141, 181, 158 ]
}, {
"Score" : 0.293,
"Type" : "pillow",
"Boxes" : [ 473, 143, 496, 157 ]
}, {
"Score" : 0.214,
"Type" : "pillow",
"Boxes" : [ 241, 145, 253, 166 ]
}, {
"Score" : 0.374,
"Type" : "potted plant",
"Boxes" : [ 449, 97, 477, 140 ]
}, {
"Score" : 0.412,
"Type" : "sofa",
"Boxes" : [ 145, 135, 304, 202 ]
}, {
"Score" : 0.269,
"Type" : "sofa",
"Boxes" : [ 443, 136, 531, 190 ]
}, {
"Score" : 0.262,
"Type" : "sofa",
"Boxes" : [ 301, 136, 352, 168 ]
}, {
"Score" : 0.242,
"Type" : "sofa",
"Boxes" : [ 452, 167, 531, 230 ]
}, {
"Score" : 0.219,
"Type" : "carpet",
"Boxes" : [ 0, 153, 272, 293 ]
}, {
"Score" : 0.458,
"Type" : "coffee table",
"Boxes" : [ 171, 172, 214, 214 ]
}, {
"Score" : 0.358,
"Type" : "coffee table",
"Boxes" : [ 337, 185, 420, 274 ]
}, {
"Score" : 0.285,
"Type" : "coffee table",
"Boxes" : [ 386, 159, 428, 192 ]
}, {
"Score" : 0.214,
"Type" : "mirror",
"Boxes" : [ 503, 26, 524, 85 ]
} ],
"Width" : 533
}
}
錯誤碼
關于物體檢測的錯誤碼,詳情請參見常見錯誤碼。
安全聲明
- 請確保上傳的圖片或文件來源符合相應的法律法規。
- 通過體驗調試上傳的臨時文件有效期為1小時,在24小時后會被系統自動清理刪除。