ਪਾਇਥਨ ਅਤੇ ਵਿਜ਼ਨ API ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਚਿੱਤਰਾਂ ਤੋਂ ਲੇਬਲਾਂ ਨੂੰ ਪ੍ਰੋਗ੍ਰਾਮਿਕ ਤੌਰ 'ਤੇ ਐਕਸਟਰੈਕਟ ਕਰਨ ਲਈ, ਤੁਸੀਂ ਗੂਗਲ ਕਲਾਉਡ ਵਿਜ਼ਨ API ਦੀਆਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਮਰੱਥਾਵਾਂ ਦਾ ਲਾਭ ਲੈ ਸਕਦੇ ਹੋ। ਵਿਜ਼ਨ API ਚਿੱਤਰ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦਾ ਇੱਕ ਵਿਆਪਕ ਸੈੱਟ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਲੇਬਲ ਖੋਜ ਸ਼ਾਮਲ ਹੈ, ਜੋ ਤੁਹਾਨੂੰ ਚਿੱਤਰਾਂ ਤੋਂ ਲੇਬਲਾਂ ਨੂੰ ਆਪਣੇ ਆਪ ਪਛਾਣਨ ਅਤੇ ਐਕਸਟਰੈਕਟ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ।
ਸ਼ੁਰੂ ਕਰਨ ਲਈ, ਤੁਹਾਨੂੰ ਇੱਕ ਗੂਗਲ ਕਲਾਉਡ ਪ੍ਰੋਜੈਕਟ ਸੈਟ ਅਪ ਕਰਨ ਅਤੇ ਵਿਜ਼ਨ API ਨੂੰ ਸਮਰੱਥ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੋਏਗੀ। ਇੱਕ ਵਾਰ ਜਦੋਂ ਤੁਸੀਂ ਇਹ ਕਰ ਲੈਂਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਹੇਠ ਲਿਖੀ ਕਮਾਂਡ ਚਲਾ ਕੇ ਲੋੜੀਂਦੀਆਂ ਪਾਈਥਨ ਲਾਇਬ੍ਰੇਰੀਆਂ ਨੂੰ ਸਥਾਪਿਤ ਕਰ ਸਕਦੇ ਹੋ:
python pip install google-cloud-vision
ਅੱਗੇ, ਤੁਹਾਨੂੰ ਵਿਜ਼ਨ API ਨੂੰ ਐਕਸੈਸ ਕਰਨ ਲਈ ਆਪਣੀ ਐਪਲੀਕੇਸ਼ਨ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਤੁਸੀਂ ਇੱਕ ਸੇਵਾ ਖਾਤਾ ਕੁੰਜੀ ਬਣਾ ਕੇ ਅਤੇ ਕੁੰਜੀ ਫਾਈਲ ਦੇ ਮਾਰਗ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਨ ਲਈ `GOOGLE_APPLICATION_CREDENTIALS` ਵਾਤਾਵਰਣ ਵੇਰੀਏਬਲ ਸੈੱਟ ਕਰਕੇ ਅਜਿਹਾ ਕਰ ਸਕਦੇ ਹੋ। ਇਹ ਹੇਠ ਦਿੱਤੇ ਕੋਡ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ:
python import os from google.cloud import vision os.environ['GOOGLE_APPLICATION_CREDENTIALS'] = '/path/to/service_account_key.json'
ਹੁਣ, ਤੁਸੀਂ ਚਿੱਤਰਾਂ ਤੋਂ ਲੇਬਲਾਂ ਨੂੰ ਪ੍ਰੋਗ੍ਰਾਮਿਕ ਤੌਰ 'ਤੇ ਐਕਸਟਰੈਕਟ ਕਰਨ ਲਈ ਵਿਜ਼ਨ API ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ। ਹੇਠਾਂ ਦਿੱਤਾ ਕੋਡ ਸਨਿੱਪਟ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਇਹ ਕਿਵੇਂ ਕਰਨਾ ਹੈ:
python def extract_labels(image_path): client = vision.ImageAnnotatorClient() with open(image_path, 'rb') as image_file: content = image_file.read() image = vision.Image(content=content) response = client.label_detection(image=image) labels = response.label_annotations extracted_labels = [label.description for label in labels] return extracted_labels
ਇਸ ਕੋਡ ਵਿੱਚ, ਅਸੀਂ ਪਹਿਲਾਂ `google.cloud.vision` ਲਾਇਬ੍ਰੇਰੀ ਤੋਂ `ImageAnnotatorClient` ਕਲਾਸ ਦੀ ਇੱਕ ਉਦਾਹਰਨ ਬਣਾਉਂਦੇ ਹਾਂ। ਅਸੀਂ ਫਿਰ ਚਿੱਤਰ ਫਾਈਲ ਨੂੰ ਪੜ੍ਹਦੇ ਹਾਂ, ਫਾਈਲ ਸਮੱਗਰੀ ਤੋਂ ਇੱਕ `ਚਿੱਤਰ` ਆਬਜੈਕਟ ਬਣਾਉਂਦੇ ਹਾਂ, ਅਤੇ ਇਸਨੂੰ ਲੇਬਲ ਖੋਜ ਲਈ ਵਿਜ਼ਨ API ਨੂੰ ਭੇਜਦੇ ਹਾਂ। API ਜਵਾਬ ਵਿੱਚ ਲੇਬਲ ਐਨੋਟੇਸ਼ਨਾਂ ਦੀ ਇੱਕ ਸੂਚੀ ਹੁੰਦੀ ਹੈ, ਜਿਸ ਤੋਂ ਅਸੀਂ ਲੇਬਲਾਂ ਦੇ ਵਰਣਨ ਨੂੰ ਐਕਸਟਰੈਕਟ ਕਰਦੇ ਹਾਂ।
ਤੁਸੀਂ ਹੁਣ 'ਐਕਸਟ੍ਰੈਕਟ_ਲੇਬਲ' ਫੰਕਸ਼ਨ ਨੂੰ ਕਾਲ ਕਰ ਸਕਦੇ ਹੋ ਜਿਸ ਦਾ ਤੁਸੀਂ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ ਚਿੱਤਰ ਫਾਈਲ ਦਾ ਮਾਰਗ ਪਾਸ ਕਰਕੇ। ਇਹ ਚਿੱਤਰ ਤੋਂ ਕੱਢੇ ਗਏ ਲੇਬਲਾਂ ਦੀ ਸੂਚੀ ਵਾਪਸ ਕਰੇਗਾ।
python image_path = '/path/to/image.jpg' labels = extract_labels(image_path) print(labels)
ਇਹ ਚਿੱਤਰ ਤੋਂ ਐਕਸਟਰੈਕਟ ਕੀਤੇ ਲੇਬਲਾਂ ਨੂੰ ਆਉਟਪੁੱਟ ਕਰੇਗਾ।
plaintext ['cat', 'animal', 'whiskers', 'small to medium-sized cats', 'mammal']
ਵਿਜ਼ਨ API ਚਿੱਤਰਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਅਤੇ ਵਸਤੂਆਂ, ਦ੍ਰਿਸ਼ਾਂ ਅਤੇ ਹੋਰ ਵਿਜ਼ੂਅਲ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਉੱਨਤ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਇਹ ਲੇਬਲਾਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ਦਾ ਸਹੀ ਢੰਗ ਨਾਲ ਪਤਾ ਲਗਾ ਸਕਦਾ ਹੈ, ਇਸ ਨੂੰ ਚਿੱਤਰ ਵਰਗੀਕਰਨ, ਸਮੱਗਰੀ ਸੰਚਾਲਨ, ਅਤੇ ਵਿਜ਼ੂਅਲ ਖੋਜ ਵਰਗੀਆਂ ਵੱਖ-ਵੱਖ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਇੱਕ ਕੀਮਤੀ ਸੰਦ ਬਣਾਉਂਦਾ ਹੈ।
ਪਾਇਥਨ ਅਤੇ ਵਿਜ਼ਨ API ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਚਿੱਤਰਾਂ ਤੋਂ ਪ੍ਰੋਗ੍ਰਾਮਮੈਟਿਕ ਤੌਰ 'ਤੇ ਲੇਬਲ ਐਕਸਟਰੈਕਟ ਕਰਨ ਲਈ, ਤੁਹਾਨੂੰ ਇੱਕ Google ਕਲਾਉਡ ਪ੍ਰੋਜੈਕਟ ਸਥਾਪਤ ਕਰਨ, ਵਿਜ਼ਨ API ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਣ, ਲੋੜੀਂਦੀਆਂ ਪਾਈਥਨ ਲਾਇਬ੍ਰੇਰੀਆਂ ਨੂੰ ਸਥਾਪਤ ਕਰਨ, ਆਪਣੀ ਐਪਲੀਕੇਸ਼ਨ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ, ਅਤੇ ਫਿਰ ਲੇਬਲ ਖੋਜ ਕਰਨ ਲਈ ਵਿਜ਼ਨ API ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਚਿੱਤਰ। ਐਕਸਟਰੈਕਟ ਕੀਤੇ ਲੇਬਲਾਂ ਨੂੰ ਹੋਰ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਜਾਂ ਚਿੱਤਰ ਸਮੱਗਰੀ ਦੀ ਸਮਝ ਨੂੰ ਵਧਾਉਣ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ।
ਬਾਰੇ ਹੋਰ ਹਾਲੀਆ ਸਵਾਲ ਅਤੇ ਜਵਾਬ EITC/AI/GVAPI ਗੂਗਲ ਵਿਜ਼ਨ API:
- ਗੂਗਲ ਵਿਜ਼ਨ API ਵਿੱਚ ਵਸਤੂ ਪਛਾਣ ਲਈ ਕੁਝ ਪੂਰਵ-ਪ੍ਰਭਾਸ਼ਿਤ ਸ਼੍ਰੇਣੀਆਂ ਕੀ ਹਨ?
- ਕੀ ਗੂਗਲ ਵਿਜ਼ਨ API ਚਿਹਰੇ ਦੀ ਪਛਾਣ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ?
- "draw_vertices" ਫੰਕਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਆਬਜੈਕਟ ਬਾਰਡਰ ਬਣਾਉਣ ਵੇਲੇ ਡਿਸਪਲੇ ਟੈਕਸਟ ਨੂੰ ਚਿੱਤਰ ਵਿੱਚ ਕਿਵੇਂ ਜੋੜਿਆ ਜਾ ਸਕਦਾ ਹੈ?
- ਪ੍ਰਦਾਨ ਕੀਤੇ ਕੋਡ ਵਿੱਚ "draw.line" ਵਿਧੀ ਦੇ ਮਾਪਦੰਡ ਕੀ ਹਨ, ਅਤੇ ਉਹਨਾਂ ਦੀ ਵਰਤੋਂ ਸਿਰਲੇਖ ਮੁੱਲਾਂ ਵਿਚਕਾਰ ਰੇਖਾਵਾਂ ਖਿੱਚਣ ਲਈ ਕਿਵੇਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ?
- ਪਾਈਥਨ ਵਿੱਚ ਆਬਜੈਕਟ ਬਾਰਡਰ ਬਣਾਉਣ ਲਈ ਸਿਰਹਾਣਾ ਲਾਇਬ੍ਰੇਰੀ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ?
- ਪ੍ਰਦਾਨ ਕੀਤੇ ਕੋਡ ਵਿੱਚ "draw_vertices" ਫੰਕਸ਼ਨ ਦਾ ਉਦੇਸ਼ ਕੀ ਹੈ?
- ਗੂਗਲ ਵਿਜ਼ਨ API ਚਿੱਤਰ ਵਿੱਚ ਆਕਾਰਾਂ ਅਤੇ ਵਸਤੂਆਂ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਕਿਵੇਂ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ?
- ਉਪਭੋਗਤਾ API ਦੁਆਰਾ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੇ ਸਮਾਨ ਚਿੱਤਰਾਂ ਦੀ ਕਿਵੇਂ ਪੜਚੋਲ ਕਰ ਸਕਦੇ ਹਨ?
- ਗੂਗਲ ਵਿਜ਼ਨ API ਦੀ ਵੈੱਬ ਖੋਜ ਵਿਸ਼ੇਸ਼ਤਾ ਦੇ ਜਵਾਬ ਆਬਜੈਕਟ ਵਿੱਚ ਪ੍ਰਦਾਨ ਕੀਤੇ ਗਏ ਵੱਖ-ਵੱਖ ਤੱਤ ਕੀ ਹਨ?
- ਵੈੱਬ ਖੋਜ ਵਿਸ਼ੇਸ਼ਤਾ ਅਪਲੋਡ ਕੀਤੀਆਂ ਤਸਵੀਰਾਂ ਲਈ ਟੈਗ ਬਣਾਉਣ ਵਿੱਚ ਕਿਵੇਂ ਮਦਦ ਕਰਦੀ ਹੈ?
EITC/AI/GVAPI Google Vision API ਵਿੱਚ ਹੋਰ ਸਵਾਲ ਅਤੇ ਜਵਾਬ ਦੇਖੋ
ਹੋਰ ਸਵਾਲ ਅਤੇ ਜਵਾਬ:
- ਫੀਲਡ: ਬਣਾਵਟੀ ਗਿਆਨ
- ਪ੍ਰੋਗਰਾਮ ਨੂੰ: EITC/AI/GVAPI ਗੂਗਲ ਵਿਜ਼ਨ API (ਸਰਟੀਫਿਕੇਸ਼ਨ ਪ੍ਰੋਗਰਾਮ 'ਤੇ ਜਾਓ)
- ਪਾਠ: ਲੇਬਲਿੰਗ ਚਿੱਤਰ (ਸੰਬੰਧਿਤ ਪਾਠ 'ਤੇ ਜਾਓ)
- ਵਿਸ਼ਾ: ਲੇਬਲ ਖੋਜ (ਸਬੰਧਤ ਵਿਸ਼ੇ 'ਤੇ ਜਾਓ)
- ਪ੍ਰੀਖਿਆ ਸਮੀਖਿਆ