Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
Étiquetage d'images
plat_iosplat_android
Avec les API d'étiquetage d'images de Cloud Vision, vous pouvez reconnaître des entités
une image sans avoir à fournir de métadonnées contextuelles supplémentaires.
L'étiquetage d'images vous donne des informations sur le contenu des images. Lorsque vous utilisez la
vous obtenez la liste des entités reconnues: des personnes,
lieux, activités, etc. Chaque étiquette trouvée est associée à un score qui indique le niveau de confiance du modèle de ML quant à sa pertinence. Grâce à cette
d'informations, vous pouvez effectuer des tâches telles que la génération automatique
et la modération de contenu.
Prêt à vous lancer ? Choisissez votre plate-forme :
L'API d'étiquetage d'image de Firebase ML est fournie par Google Cloud
une capacité de compréhension des images de pointe, qui peut classifier
avec plus de 10 000 étiquettes dans de nombreuses catégories. (voir ci-dessous).
En plus de la description textuelle de chaque libellé Firebase ML
renvoie également l'ID d'entité Google Knowledge Graph du libellé.
Cet identifiant est une chaîne qui identifie de manière unique l'entité représentée par
le libellé. Il s'agit de l'identifiant utilisé par la
API Knowledge Graph Search :
Vous pouvez utiliser cette chaîne pour identifier une entité dans plusieurs langues.
indépendamment de la mise en forme de la description textuelle.
Utilisation limitée sans frais
Les 1 000 premières utilisations mensuelles de cette fonctionnalité sont sans frais: voir
Tarifs
Exemples d'étiquettes
L'API Image Labeling accepte plus de 10 000 étiquettes, y compris les exemples suivants
et bien d'autres encore:
Catégorie
Exemples d'étiquettes
Catégorie
Exemples d'étiquettes
Arts et divertissement
Sculpture Musical Instrument Dance
Objets astronomiques
Comet Galaxy Star
Entreprise et industriel
Restaurant Factory Airline
Couleurs
Red Green Blue
Conception
Floral Pattern Wood Stain
Boire
Coffee Tea Milk
Événements
Meeting Picnic Vacation
Personnages fictifs
Santa Claus Superhero Mythical creature
Alimentation
Casserole Fruit Potato chip
Maison et jardin
Laundry basket Dishwasher Fountain
Activités
Wedding Dancing Motorsport
ressources
Ceramic Textile Fiber
Multimédia
Newsprint Document Sign
Modes de transport
Aircraft Motorcycle Subway
Professions
Actor Florist Police
Organismes
Plant Animal Fungus
Organisations
Government Club College
Lieux
Airport Mountain Tent
Technologie
Robot Computer Solar panel
Thèmes
Bicycle Pipe Doll
Exemples de résultats
Photo: Clément Bucco-Lechat / Wikimedia Commons / CC BY-SA 3.0
Libellé
ID d'entité Knowledge Graph
Confiance
salle de sport
/m/0bmgjqz
0,9860726
joueur
/m/02vzx9
0,9797604
stade
/m/019cfy
0,9635762
stade dédié au football
/m/0404y4
0,95806926
joueur football
/m/0gl2ny2
0,9510419
sport
/m/06ntj
0,9253524
joueur de football
/m/0pcq81q
0,9033665
arena
/m/018lrm
0,8897188
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2025/07/25 (UTC).
[[["Facile à comprendre","easyToUnderstand","thumb-up"],["J'ai pu résoudre mon problème","solvedMyProblem","thumb-up"],["Autre","otherUp","thumb-up"]],[["Il n'y a pas l'information dont j'ai besoin","missingTheInformationINeed","thumb-down"],["Trop compliqué/Trop d'étapes","tooComplicatedTooManySteps","thumb-down"],["Obsolète","outOfDate","thumb-down"],["Problème de traduction","translationIssue","thumb-down"],["Mauvais exemple/Erreur de code","samplesCodeIssue","thumb-down"],["Autre","otherDown","thumb-down"]],["Dernière mise à jour le 2025/07/25 (UTC)."],[],[],null,["Image Labeling \nplat_ios plat_android \n\nWith Cloud Vision's image labeling APIs, you can recognize entities in\nan image without having to provide any additional contextual metadata.\n\nImage labeling gives you insight into the content of images. When you use the\nAPI, you get a list of the entities that were recognized: people, things,\nplaces, activities, and so on. Each label found comes with a score that\nindicates the confidence the ML model has in its relevance. With this\ninformation, you can perform tasks such as automatic metadata generation\nand content moderation.\n\n\u003cbr /\u003e\n\nReady to get started? Choose your platform:\n\n[iOS+](/docs/ml/ios/label-images)\n[Android](/docs/ml/android/label-images)\n\n\u003cbr /\u003e\n\n| **Want to label images with your own categories?** Train your own image labeling models with [AutoML Vision Edge](/docs/ml/automl-image-labeling).\n| **Looking for on-device image labeling?** Try the [standalone ML Kit library](https://developers.google.com/ml-kit/vision/image-labeling).\n\nKey capabilities\n\n|--------------------------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| High-accuracy image labeling | Firebase ML's image labeling API is powered by Google Cloud's industry-leading image understanding capability, which can classify images with 10,000+ labels in many categories. (See below.) Try it yourself with the [Cloud Vision API demo](https://cloud.google.com/vision/docs/drag-and-drop). |\n| Knowledge Graph entity support | In addition the text description of each label that Firebase ML returns, it also returns the label's Google Knowledge Graph entity ID. This ID is a string that uniquely identifies the entity represented by the label, and is the same ID used by the [Knowledge Graph Search API](https://developers.google.com/knowledge-graph/). You can use this string to identify an entity across languages, and independently of the formatting of the text description. |\n| Limited no-cost use | No-cost for first 1000 uses of this feature per month: see [Pricing](/pricing) |\n\nExample labels\n\nThe image labeling API supports 10,000+ labels, including the following examples\nand many more:\n\n| Category | Example labels | Category | Example labels |\n|------------------------|------------------------------------------|----------------------|-----------------------------------------------|\n| Arts \\& entertainment | `Sculpture` `Musical Instrument` `Dance` | Astronomical objects | `Comet` `Galaxy` `Star` |\n| Business \\& industrial | `Restaurant` `Factory` `Airline` | Colors | `Red` `Green` `Blue` |\n| Design | `Floral` `Pattern` `Wood Stain` | Drink | `Coffee` `Tea` `Milk` |\n| Events | `Meeting` `Picnic` `Vacation` | Fictional characters | `Santa Claus` `Superhero` `Mythical creature` |\n| Food | `Casserole` `Fruit` `Potato chip` | Home \\& garden | `Laundry basket` `Dishwasher` `Fountain` |\n| Activities | `Wedding` `Dancing` `Motorsport` | Materials | `Ceramic` `Textile` `Fiber` |\n| Media | `Newsprint` `Document` `Sign` | Modes of transport | `Aircraft` `Motorcycle` `Subway` |\n| Occupations | `Actor` `Florist` `Police` | Organisms | `Plant` `Animal` `Fungus` |\n| Organizations | `Government` `Club` `College` | Places | `Airport` `Mountain` `Tent` |\n| Technology | `Robot` `Computer` `Solar panel` | Things | `Bicycle` `Pipe` `Doll` |\n\nExample results Photo: Clément Bucco-Lechat / Wikimedia Commons / CC BY-SA 3.0\n\n| Label | Knowledge Graph entity ID | Confidence |\n|-------------------------|---------------------------|------------|\n| sport venue | /m/0bmgjqz | 0.9860726 |\n| player | /m/02vzx9 | 0.9797604 |\n| stadium | /m/019cfy | 0.9635762 |\n| soccer specific stadium | /m/0404y4 | 0.95806926 |\n| football player | /m/0gl2ny2 | 0.9510419 |\n| sports | /m/06ntj | 0.9253524 |\n| soccer player | /m/0pcq81q | 0.9033665 |\n| arena | /m/018lrm | 0.8897188 |"]]
