Sử dụng bộ sưu tập để sắp xếp ngăn nắp các trang
Lưu và phân loại nội dung dựa trên lựa chọn ưu tiên của bạn.
Gắn nhãn hình ảnh
plat_iosplat_android
Với các API gắn nhãn hình ảnh của Cloud Vision, bạn có thể nhận dạng các đối tượng trong
một hình ảnh mà không cần phải cung cấp thêm siêu dữ liệu theo bối cảnh.
Tính năng gắn nhãn hình ảnh cung cấp cho bạn thông tin chi tiết về nội dung của hình ảnh. Khi bạn sử dụng
API, bạn sẽ nhận được danh sách các đối tượng đã được nhận dạng: người, sự vật,
địa điểm, hoạt động, v.v. Mỗi nhãn được tìm thấy đều có một điểm số
thể hiện độ tin cậy về mức độ phù hợp của mô hình ML. Bằng cách này
bạn có thể thực hiện các thao tác như tự động tạo siêu dữ liệu
và việc kiểm duyệt nội dung.
Bạn đã sẵn sàng bắt đầu? Chọn nền tảng bạn sử dụng:
API gắn nhãn hình ảnh của Firebase ML được hỗ trợ bởiGoogle Cloud
năng lực thấu hiểu hình ảnh hàng đầu trong ngành, nhờ đó có thể phân loại
hình ảnh với hơn 10.000 nhãn thuộc nhiều danh mục. (Xem bên dưới.)
Ngoài nội dung mô tả bằng văn bản của mỗi nhãn Firebase ML
phương thức này cũng sẽ trả về mã nhận dạng thực thể trong Sơ đồ tri thức của Google của nhãn.
Mã nhận dạng này là một chuỗi xác định duy nhất thực thể mà đại diện là một chuỗi
và giống với ID được sử dụng bởi
API Tìm kiếm sơ đồ tri thức.
Bạn có thể sử dụng chuỗi này để xác định một đối tượng trên nhiều ngôn ngữ, và
độc lập với định dạng của phần mô tả văn bản.
Miễn phí sử dụng có giới hạn
Miễn phí 1.000 lần sử dụng tính năng này đầu tiên mỗi tháng: xem
Giá
Nhãn mẫu
API gắn nhãn hình ảnh hỗ trợ hơn 10.000 nhãn, bao gồm các ví dụ sau
và nhiều lợi ích khác:
Danh mục
Nhãn mẫu
Danh mục
Nhãn mẫu
Nghệ thuật và giải trí
Sculpture Musical Instrument Dance
Vật thể thiên văn
Comet Galaxy Star
Doanh nghiệp và công nghiệp
Restaurant Factory Airline
Màu
Red Green Blue
Thiết kế
Floral Pattern Wood Stain
Đồ uống
Coffee Tea Milk
Sự kiện
Meeting Picnic Vacation
Nhân vật hư cấu
Santa Claus Superhero Mythical creature
Thực phẩm
Casserole Fruit Potato chip
Nhà và vườn
Laundry basket Dishwasher Fountain
Hoạt động
Wedding Dancing Motorsport
Vật liệu
Ceramic Textile Fiber
Truyền thông
Newsprint Document Sign
Phương tiện giao thông
Aircraft Motorcycle Subway
Nghề nghiệp
Actor Florist Police
Sinh vật
Plant Animal Fungus
Tổ chức
Government Club College
Địa điểm
Airport Mountain Tent
Công nghệ
Robot Computer Solar panel
Sự vật
Bicycle Pipe Doll
Kết quả mẫu
Ảnh: Clément Bucco-Lechat / Wikimedia Commons / CC BY-SA 3.0
[[["Dễ hiểu","easyToUnderstand","thumb-up"],["Giúp tôi giải quyết được vấn đề","solvedMyProblem","thumb-up"],["Khác","otherUp","thumb-up"]],[["Thiếu thông tin tôi cần","missingTheInformationINeed","thumb-down"],["Quá phức tạp/quá nhiều bước","tooComplicatedTooManySteps","thumb-down"],["Đã lỗi thời","outOfDate","thumb-down"],["Vấn đề về bản dịch","translationIssue","thumb-down"],["Vấn đề về mẫu/mã","samplesCodeIssue","thumb-down"],["Khác","otherDown","thumb-down"]],["Cập nhật lần gần đây nhất: 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 |"]]
