微软的计算机视觉API或谷歌的云视觉API有可能获得对象的位置吗？

Question

我正在尝试开发一个应用程序，它需要知道标记对象在图像中的位置。知道图像中有“钢琴”是不够的，我需要知道钢琴在图像中的位置。

微软的计算机视觉API和谷歌的云视觉API都提供了某种形式的剪切建议/智能缩略图生成服务，这让我认为正在检测到某些对象的位置--然而，是否有办法从Microsoft的计算机视觉API或Google的云视觉API中获取这些信息(就像每个检测到的对象周围的边框)？

编辑：我知道这两个API都可以返回图像中检测到的面孔的位置，但是我正在寻找图像中每个对象的位置和大小:汽车、钢琴、树、people...anything。

Answer 1

Microsoft没有为检测到的对象提供像素坐标(请参见返回功能：https://dev.projectoxford.ai/docs/services/56f91f2d778daf23d8ec6739/operations/56f91f2e778daf14a499e1fa)。

但是，如果要检测人员，Microsoft可以返回脸矩形的坐标。

Answer 2

此时，我不知道为对象提供坐标的任何API。我建议使用的是YOLO，它为您提供对象的坐标。你可以使用预先训练过的模特，也可以训练自己的。

但是，它不是API，您必须编写一些后端代码才能在远程运行。

Answer 3

希望这能帮到你https://azure.microsoft.com/en-in/services/cognitive-services/computer-vision/

​

​

API：

url:- (In POST) https://{yourvisionapp}.cognitiveservices.azure.com/vision/v2.0/detect
headers:- Content-Type: application/json
Ocp-Apim-Subscription-Key : {yourSubscriptionKey}
body:- {"url":"yoururl"}

样本回应：-

{
    "objects": [
        {
            "rectangle": {
                "x": 460,
                "y": 79,
                "w": 141,
                "h": 258
            },
            "object": "window",
            "confidence": 0.508
        },
        {
            "rectangle": {
                "x": 180,
                "y": 240,
                "w": 299,
                "h": 182
            },
            "object": "Billiard table",
            "confidence": 0.635,
            "parent": {
                "object": "table",
                "confidence": 0.676
            }
        },
        {
            "rectangle": {
                "x": 8,
                "y": 11,
                "w": 497,
                "h": 416
            },
            "object": "room",
            "confidence": 0.547
        }
    ],
    "requestId": "f8aafd95-d17d-4088-a34b-ad616f9cde4a",
    "metadata": {
        "width": 640,
        "height": 427,
        "format": "Jpeg"
    }
}