Artificial Intelligence – Google Vision API – အဆင့်မြင့် ရုပ်ပုံများ နားလည်မှု – Objects detection နယ်ပယ်ရှိ API ၏ တုံ့ပြန်မှုမှ အရာဝတ္ထုမှတ်ချက်များကို ထုတ်ယူရန်၊ ၎င်းတို့နှင့် သက်ဆိုင်သည့် ရှာဖွေတွေ့ရှိထားသော အရာဝတ္ထုများစာရင်း ပါ၀င်သည့် API မှ ပံ့ပိုးပေးသည့် တုံ့ပြန်ဖော်မတ်ကို အသုံးပြုနိုင်သည်။ ဘောင်ခတ်ထားသော သေတ္တာများနှင့် ယုံကြည်မှုရမှတ်များ။ ဤတုံ့ပြန်ချက်ကို ခွဲခြမ်းစိတ်ဖြာခြင်းဖြင့် သင်အလိုရှိသော အရာဝတ္ထုမှတ်ချက်များကို ထုတ်ယူနိုင်သည်။
API တုံ့ပြန်မှုတွင် ပုံမှန်အားဖြင့် ရှာဖွေတွေ့ရှိထားသည့်အရာများပါရှိသော "localizedObjectAnnotations" အကွက်အပါအဝင် နယ်ပယ်အမျိုးမျိုးပါဝင်သော JSON အရာဝတ္ထုတစ်ခု ပါဝင်ပါသည်။ အရာဝတ္ထု မှတ်ချက်တစ်ခုစီတွင် အရာဝတ္တု၏ အမည်၊ ၎င်း၏ ဘောင်ခတ်ထားသော အကွက် သြဒိနိတ်များ နှင့် API ၏ ထောက်လှမ်းမှုအပေါ် ယုံကြည်မှုကို ညွှန်ပြသော ယုံကြည်မှုရမှတ်တို့ ပါဝင်သည်။
အရာဝတ္ထုမှတ်ချက်များကို ထုတ်ယူရန်၊ သင်သည် ဤအဆင့်များကို လိုက်နာနိုင်သည်-
1. API တုံ့ပြန်မှုကို ခွဲခြမ်းစိတ်ဖြာပါ- API မှရရှိသော JSON တုံ့ပြန်မှုကို ခွဲခြမ်းစိတ်ဖြာခြင်းဖြင့် စတင်ပါ။ ၎င်းကို JSON ခွဲခြမ်းစိတ်ဖြာသည့် စာကြည့်တိုက် သို့မဟုတ် သင့်ပရိုဂရမ်းမင်းဘာသာစကားမှ ပံ့ပိုးပေးသည့် ပါ၀င်သည့်လုပ်ဆောင်ချက်များကို အသုံးပြု၍ လုပ်ဆောင်နိုင်သည်။
2. "localizedObject Annotations" အကွက်ကို ဝင်ရောက်ကြည့်ရှုပါ- တုံ့ပြန်မှုကို ခွဲခြမ်းစိတ်ဖြာပြီးသည်နှင့်၊ ရှာဖွေတွေ့ရှိသည့် အရာဝတ္ထုများပါရှိသော "localizedObject Annotations" အကွက်သို့ ဝင်ရောက်ပါ။ ဤအကွက်သည် ပုံမှန်အားဖြင့် အရာဝတ္ထု မှတ်ချက်များကို ခင်းကျင်းထားသည်။
3. အရာဝတ္ထုမှတ်ချက်များမှတစ်ဆင့် ထပ်တလဲလဲလုပ်ပါ- array ရှိ အရာဝတ္ထုတစ်ခုစီမှ မှတ်ချက်များကို ထပ်လုပ်ပါ။ မှတ်စာတစ်ခုစီသည် ပုံရှိ တွေ့ရှိထားသော အရာတစ်ခုကို ကိုယ်စားပြုသည်။
4. သက်ဆိုင်ရာအချက်အလက်များကို ထုတ်ယူပါ- အရာဝတ္ထုတစ်ခုစီ၏ အမည်၊ ဘောင်ခတ်ထားသော အကွက်များ သြဒိနိတ်များနှင့် ယုံကြည်မှုရမှတ်များကဲ့သို့သော သက်ဆိုင်ရာ အချက်အလက်များကို ထုတ်ယူပါ။ ဤအသေးစိတ်အချက်အလက်များကို အရာဝတ္ထုမှတ်စုတစ်ခုစီအတွင်း သီးခြားအကွက်များအဖြစ် ဝင်ရောက်ကြည့်ရှုနိုင်ပါသည်။
5. ထုတ်ယူထားသော အချက်အလက်များကို သိမ်းဆည်းခြင်း သို့မဟုတ် လုပ်ဆောင်ခြင်း- သင့်လိုအပ်ချက်များပေါ်မူတည်၍ ထုတ်ယူထားသော အချက်အလက်များကို ဒေတာဖွဲ့စည်းပုံတွင် သိမ်းဆည်းထားနိုင်သည် သို့မဟုတ် ခွဲခြမ်းစိတ်ဖြာမှု သို့မဟုတ် အခြားရည်ရွယ်ချက်များအတွက် ၎င်းကို ဆက်လက်လုပ်ဆောင်နိုင်သည်။ ဥပမာအားဖြင့်၊ သင်သည် ဒေတာဘေ့စ်တစ်ခုတွင် အရာဝတ္တုအမည်များနှင့် ၎င်းတို့၏သက်ဆိုင်ရာဘောင်ဝင်ထားသော အကွက်ကိုသြဒိနိတ်များကို သိမ်းဆည်းထားရန် သို့မဟုတ် ၎င်းတို့ကို နောက်ထပ်ပုံရိပ်နားလည်မှုဆိုင်ရာလုပ်ဆောင်စရာများအတွက် အသုံးပြုနိုင်သည်။
ဤသည်မှာ ထုတ်ယူခြင်းလုပ်ငန်းစဉ်ကို ဖော်ပြရန်အတွက် ရိုးရှင်းသော ဥပမာတစ်ခုဖြစ်သည်။
python import json # Assume 'response' contains the API response in JSON format response =
{
"localizedObject မှတ်ချက်များ"- [
{
"အလယ်": "/m/01g317",
"name": "ကြောင်",
"ရမှတ်": 0.89271355၊
"boundingPoly": {
"normalizedVertices": [
{"x": 0.1234, "y": 0.5678}၊
{"x": 0.5678၊ "y": 0.1234}
] }
},
{
"အလယ်": "/m/04rky",
"name": "ခွေး",
"ရမှတ်": 0.8132468၊
"boundingPoly": {
"normalizedVertices": [
{"x": 0.4321, "y": 0.8765}၊
{"x": 0.8765၊ "y": 0.4321}
] }
}
] }
# Parse the API response response_data = json.loads(response) # Access the object annotations annotations = response_data['localizedObjectAnnotations'] # Iterate through the object annotations for annotation in annotations: # Extract relevant information object_name = annotation['name'] bounding_box = annotation['boundingPoly']['normalizedVertices'] confidence = annotation['score'] # Process or store the extracted information print(f"Object: {object_name}, Bounding Box: {bounding_box}, Confidence: {confidence}") # Output: # Object: cat, Bounding Box: [{'x': 0.1234, 'y': 0.5678}, {'x': 0.5678, 'y': 0.1234}], Confidence: 0.89271355 # Object: dog, Bounding Box: [{'x': 0.4321, 'y': 0.8765}, {'x': 0.8765, 'y': 0.4321}], Confidence: 0.8132468
ဤဥပမာတွင်၊ ရှာဖွေတွေ့ရှိထားသော အရာနှစ်ခုပါဝင်သော JSON တုံ့ပြန်မှုကို ကျွန်ုပ်တို့ယူဆသည်- ကြောင်နှင့် ခွေးတစ်ကောင်။ ကုဒ်သည် တုံ့ပြန်မှုကို ပိုင်းခြားပြီး၊ "localizedObject Annotations" အကွက်ကို ဝင်ရောက်ကာ၊ အရာဝတ္တုတစ်ခုစီ၏ မှတ်ချက်များကို ထပ်တလဲလဲ ပြုလုပ်ကာ အရာဝတ္ထု၏ အမည်၊ ဘောင်ခတ်ထားသော အကွက်များ သြဒိနိတ်များနှင့် ယုံကြည်မှုရမှတ်တို့ကို ထုတ်ယူသည်။ နောက်ဆုံးတွင်၊ ထုတ်ယူထားသော အချက်အလက်များကို ရိုက်နှိပ်ထားသော်လည်း သင်၏ သီးခြားလိုအပ်ချက်များနှင့် ကိုက်ညီစေရန် ကုဒ်ကို ပြင်ဆင်နိုင်သည်။
ဤအဆင့်များကို လိုက်နာခြင်းဖြင့်၊ Artificial Intelligence – Google Vision API – အဆင့်မြင့် ရုပ်ပုံများ နားလည်မှု – Objects detection နယ်ပယ်ရှိ API ၏ တုံ့ပြန်မှုမှ အရာဝတ္ထု မှတ်ချက်များကို ထိရောက်စွာ ထုတ်ယူနိုင်ပါသည်။
အခြား လတ်တလောမေးခွန်းများနှင့် အဖြေများ အဆင့်မြင့်ရုပ်ပုံများကိုနားလည်သည်:
- Google Vision API တွင် အရာဝတ္ထုအသိအမှတ်ပြုခြင်းအတွက် ကြိုတင်သတ်မှတ်ထားသော အမျိုးအစားအချို့ကား အဘယ်နည်း။
- လုံခြုံသောရှာဖွေမှု ထောက်လှမ်းခြင်းအင်္ဂါရပ်ကို အသုံးပြုရန် အကြံပြုထားသည့် နည်းလမ်းမှာ အခြားသော ထိန်းညှိမှုနည်းပညာများနှင့်အတူ အဘယ်နည်း။
- လုံခြုံသောရှာဖွေမှုမှတ်စုတွင် အမျိုးအစားတစ်ခုစီအတွက် ဖြစ်နိုင်ခြေတန်ဖိုးများကို ကျွန်ုပ်တို့ မည်သို့ဝင်ရောက်ပြီး ပြသနိုင်မည်နည်း။
- Python ရှိ Google Vision API ကို အသုံးပြု၍ လုံခြုံသော ရှာဖွေမှုမှတ်စုကို ကျွန်ုပ်တို့ မည်သို့ရရှိနိုင်မည်နည်း။
- ဘေးကင်းသော ရှာဖွေမှု ထောက်လှမ်းခြင်း အင်္ဂါရပ်တွင် ပါဝင်သော အမျိုးအစားငါးခုမှာ အဘယ်နည်း။
- Google Vision API ၏ ဘေးကင်းသော ရှာဖွေမှုအင်္ဂါရပ်သည် ရုပ်ပုံများအတွင်း ညစ်ညမ်းသော အကြောင်းအရာများကို မည်သို့သိရှိနိုင်သနည်း။
- ခေါင်းအုံးစာကြည့်တိုက်ကို အသုံးပြု၍ ရုပ်ပုံတစ်ခုရှိ တွေ့ရှိထားသော အရာဝတ္ထုများကို အမြင်အာရုံခွဲခြားပြီး မီးမောင်းထိုးပြနိုင်ပုံ။
- ပန်ဒါဒေတာဘောင်ကို အသုံးပြု၍ ထုတ်ယူထားသော အရာဝတ္တုအချက်အလက်ကို ဇယားဖော်မတ်ဖြင့် မည်သို့စီစဉ်နိုင်မည်နည်း။
- Google Vision API ၏ လုပ်ဆောင်နိုင်စွမ်းကို သရုပ်ပြရန်အတွက် မည်သည့်စာကြည့်တိုက်များနှင့် ပရိုဂရမ်းမင်းဘာသာစကားကို အသုံးပြုသနည်း။
- Google Vision API သည် ရုပ်ပုံများတွင် အရာဝတ္တုများကို ထောက်လှမ်းခြင်းနှင့် ဒေသသတ်မှတ်ခြင်းကို မည်သို့လုပ်ဆောင်သနည်း။
အဆင့်မြင့်ပုံများ နားလည်မှုတွင် နောက်ထပ်မေးခွန်းများနှင့် အဖြေများကို ကြည့်ပါ။