包围盒对象检测服务

为需要模型训练的AI/ML公司提供包围盒注释和对象检测服务。

该服务可用于解决需要选择特定对象或在图像上显示的对象周围绘制方框的任务。

以经济实惠的价格提供精确的包围盒注释服务。

快速入门 API

对象检测

对象检测是计算机视觉中最流行的子领域。目的是使机器学习算法能够识别感兴趣的特定对象是否存在。这些应用都可以通过计算机视觉人工智能的一个子领域实现，这个子领域被称为对象检测。

对于计算机视觉（CV）任务，包围盒是矩形区域标签。机器学习（ML）中的对象检测模型通过利用包围盒标签来了解图像的内容。

包围盒标记模型感兴趣的对象或特征，无论是人、交通标志、车辆还是其他任何东西。

包围盒由两个点定义，通常是框的左上角和右下角。因为它们提供了一个清晰的方法来描述图像中物体的位置和大小，这些简单的矩形标签经常用于对象检测和定位任务。这是您需要了解的有关包围盒的所有信息。

用于对象检测的2D包围盒

训练机器学习算法进行对象检测。

人工智能模型如何学习检测图像中的对象？机器学习算法（也称为AI）需要大型图像数据集，其中对象用2D包围盒清楚地标识。

包围盒注释有助于对象检测、定位和图像分类。它通过在图像中的对象周围画一个方框来帮助识别对象。

如果给机器学习算法足够大的数据集和精确指定的包围盒，就可以训练或使它识别包围盒中的模式。经过适当的训练后，人工智能模型可以在没有人类帮助的情况下自主识别即将接收的图像中的指定对象。

2Captcha提供包围盒数据标注工具。该图像按照数据科学家的自定义要求进行标记，主要包括尽可能靠近对象边缘绘制一个方框。您可以通过我们的解决方案构建最先进的基于ML的计算机视觉模型。

2Captcha服务通过对感兴趣的对象周围的2D长方体进行精确、高质量地标注来辅助对象检测。根据客户的偏好，我们也可以使用客户推荐的任何其他注释工具。

用于物体检测人工智能模型训练的边框

该方法可用于解决需要选择特定对象或在图像上显示的对象周围画一个框的任务。

支持的图像格式： JPEG、PNG、GIF
最大文件大小： 600 kB
最大图像尺寸： 任意边长为 1000 平方英寸

BoundingBoxTask 任务类型规范

属性	类型	必填	说明
type	String	Yes	BoundingBoxTask
body	String	Yes	编码为 Base64 格式的图像。还支持数据-URI 格式（包含 `data:content/type` 前缀
comment	String	*Yes	将向工作人员显示注释，以帮助他们正确解决验证码问题。如果缺少 `imgInstructions` 属性，则需要使用 `comment` 属性。
imgInstructions	String	Yes*	可选图片，包含将向工人显示的指令。图片应编码为 Base64 格式。最大文件大小：100 kB。如果缺少 "comment "属性，则必须使用 "imgInstructions "属性。

申请示例

方法：创建任务
API 端点：https://api.2captcha.com/createTask

{
    "clientKey":"YOUR_API_KEY",
    "task": {
        "type":"BoundingBoxTask",
        "body":"/9j/4AAQSkZJRgABAQAAAQ..HIAAAAAAQwAABtbnRyUkdCIFhZ.wc5GOGSRF//Z",
        "comment":"在青苹果周围画一个小方框"
    }
}

响应示例

{
    "errorId": 0,
    "status": "ready",
    "solution": {
        "bounding_boxes": [
            {
                "xMin": 310,
                "xMax": 385,
                "yMin": 231,
                "yMax": 308
            }
        ]
    },
    "cost": "0.0012",
    "ip": "1.2.3.4",
    "createTime": 1692863536,
    "endTime": 1692863556,
    "solveCount": 1
}

优势

质量保证
为了构建您一流的计算机视觉项目，数据标记器提供了最好的图像标记选择。
高性价比
该服务提供最准确的高性价比包围盒标注。

用例

使用数据注释和标记可以实现大范围的AI用例。2Captcha服务是电子商务零售领域数据标注和标记服务的行业领导者。

包围盒用于标记计算机视觉任务的数据，包括:

对象检测：
包围盒用于定位和识别图像中的事物。它们使用各种机器学习方法，并描绘对象的位置。为了预测新的不可见数据中的包围盒，YOLO等对象检测模型通过带标记的数据集学习。
对象跟踪：
包围盒也在视频模型中用于跟踪对象的位置和运动。可实现多种用途，包括汽车自动驾驶、分析和视频监控。例如，您可能希望安全摄像头在发现窃贼时通知您。如果自动驾驶汽车检测到前方有行人、停车标志或交通灯，它不妨据此制定下一步行动方针。