Tutorial: Python menyambung ke antara muka Huawei Cloud untuk melaksanakan pengecaman kandungan imej dan fungsi carian

Tutorial: Python menyambung ke antara muka Awan Huawei untuk melaksanakan pengecaman kandungan imej dan fungsi carian

Dalam kehidupan seharian, pengecaman kandungan imej dan fungsi carian semakin digunakan dalam aplikasi, seperti pengecaman muka, klasifikasi imej, dsb. Huawei Cloud menyediakan perkhidmatan pengecaman kandungan imej yang berkuasa Artikel ini akan memperkenalkan cara menggunakan Python untuk menyambung ke antara muka Huawei Cloud untuk melaksanakan fungsi pengecaman kandungan imej dan carian.

Langkah 1: Daftar akaun Huawei Cloud

Pertama, kita perlu mendaftar akaun Huawei Cloud. Buka laman web rasmi Huawei Cloud (https://www.huaweicloud.com/), klik butang "Daftar", dan isikan maklumat mengikut proses untuk melengkapkan pendaftaran.

Langkah 2: Cipta perkhidmatan pengecaman kandungan imej Awan Huawei

Log masuk ke bahagian belakang Huawei Cloud, pilih "Artificial Intelligence AI" dalam konsol dan masukkan "Big Data and AI Services".

Dalam "Perkhidmatan Data Besar dan AI", pilih "Pengecaman Kandungan Imej" dan klik "Buat Perkhidmatan".

Isi maklumat yang berkaitan, seperti nama perkhidmatan, wilayah, dsb., dan klik "Buat Perkhidmatan".

Selepas penciptaan selesai, pada halaman butiran perkhidmatan "Pengecaman Kandungan Imej", kita boleh melihat "Kunci API", "Alamat URL" dan maklumat lain. Kami perlu merekodkan ini supaya kami boleh menggunakannya kemudian dalam kod Python kami.

Langkah 3: Pasang perpustakaan bergantung

Jalankan arahan berikut dalam terminal untuk memasang perpustakaan bergantung Python yang diperlukan.

pip install requests
pip install json

Langkah 4: Tulis kod Python

Seterusnya, kami menyambungkan antara muka Awan Huawei melalui kod Python untuk melaksanakan fungsi pengecaman kandungan imej dan carian.

import requests
import json

def image_content_recognition(image_path):
    # 图像内容识别接口URL
    url = "URL地址"

    # API密钥
    api_key = "API密钥"

    # 将图像转换为Base64编码
    with open(image_path, "rb") as f:
        image_base64 = str(base64.b64encode(f.read()), "utf-8")

    # 构建请求参数
    payload = {
        "image": image_base64,
    }
    headers = {
        "Content-Type": "application/json",
        "X-Auth-Token": api_key,
    }

    # 发送POST请求
    response = requests.post(url, data=json.dumps(payload), headers=headers)

    # 解析响应数据
    result = response.json()

    # 输出识别结果
    print(result)

# 测试代码
image_path = "test.jpg"
image_content_recognition(image_path)

Dalam kod di atas, kami mula-mula mentakrifkan fungsi image_content_recognition, yang menerima laluan imej sebagai parameter. Dalam fungsi tersebut, kami membaca fail imej dan menukarnya kepada pengekodan Base64. Seterusnya, kami membina parameter permintaan dan pengepala permintaan, dan menghantar permintaan POST untuk menghantar data imej ke antara muka Awan Huawei. Akhir sekali, kami menghuraikan dan mengeluarkan hasil pengecaman. image_content_recognition，接收一个图像路径作为参数。在函数中，我们通过读取图像文件，并将其转换为Base64编码。接下来，我们构建了请求参数和请求头，并发送了一个POST请求，将图像数据发送给华为云接口。最后，我们解析和输出了识别结果。

步骤五：测试代码

将要识别的图像文件放在与Python代码同一目录下，命名为test.jpg

Langkah 5: Uji kod

Letakkan fail imej untuk dikenali dalam direktori yang sama dengan kod Python dan namakannya test.jpg. Kemudian jalankan kod Python untuk melaksanakan pengecaman dan carian kandungan imej.

Ringkasan🎜🎜Melalui tutorial ini, kami mempelajari cara menggunakan Python untuk menyambung ke antara muka Awan Huawei untuk melaksanakan fungsi pengecaman kandungan imej dan carian. Perkhidmatan pengecaman kandungan imej Huawei Cloud mempunyai algoritma yang berkuasa dan fungsi yang kaya, dan boleh digunakan secara meluas dalam bidang seperti pengecaman dan pengelasan imej. Anda boleh mengembangkan dan mengoptimumkan lagi kod mengikut keperluan anda sendiri untuk memenuhi lebih banyak senario aplikasi. Saya doakan anda semua selamat menggunakannya! 🎜

Atas ialah kandungan terperinci Tutorial: Python menyambung ke antara muka Huawei Cloud untuk melaksanakan pengecaman kandungan imej dan fungsi carian. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!