图像内容理解-百度智能云

专用API

新

服务商：北京百度网讯科技有限公司

【更新时间: 2024.06.25】图像理解视觉大模型，可多维度识别与理解图片内容，包括人、物、行为、场景、文字等，支持输出对图片内容的一句话描述，同时返回图片的分类标签、文字内容等信息

咨询去服务商官网采购>

服务星级：

6星

️

调用次数

0 次

集成人数

0 人

商用人数

0 人

SLA: N/A

响应: N/A

适用于个人&企业

添加到书签

书签名称

确定

API详情
使用指南
常见 FAQ
关于我们

产品介绍

什么是图像内容理解-百度智能云?

图像内容理解是一种基于先进视觉大模型的技术，能够多维度地识别并理解图片中的丰富信息。它不仅能够分析图片中的人、物体、行为、场景以及文字，还能通过整合这些信息，输出对整个图片内容的精确描述。这种技术通常与强大的语言处理模型结合，使得机器能够进行看图问答、视觉推理等复杂任务，为用户提供一种类似人类的视觉理解能力。

什么是图像内容理解-百度智能云接口？

由服务使用方的应用程序发起，以Restful风格为主、通过公网HTTP协议调用图像内容理解-百度智能云，从而实现程序的自动化交互，提高服务效率。

图像内容理解-百度智能云有哪些核心功能？

图片理解与内容描述多维度理解图片内容，支持输出对图片内容的一句话描述，结合大语言模型，可应用于看图问答、视觉推理等场景	物体和场景全识别识别动物、植物、商品、建筑、风景、动漫、食材、公众人物等10万个常见物体及场景，支持拼接返回大类及细分类名称	图片文字全识别检测并识别图片内的全部文字信息，涵盖文档、证件等常见场景，支持输出文字内容及文字位置

图像内容理解-百度智能云的核心优势是什么？

内容准确依托图像理解视觉大模型，可精准提炼出对图片的描述，提供更精细、精准的理解服务	服务稳定提供高可靠性、弹性可伸缩、高并发承载的公有云服务，服务可用性高达99.9%以上	简单易用标准化接口封装，调用简单，只需上传单张图片，秒级别获取识别结果

在哪些场景会用到图像内容理解-百度智能云接口？

多模态组件提供

支持作为 AI 能力组件，结合大语言模型无缝理解图像信息，让大模型真正具备“视觉感官”，补齐大语言模型的视觉推理能力

趣味看图对话

结合大语言模型，可基于图片内容进行问答对话，提高用户交互体验，广泛应用于智能手机厂商、拍照识图、趣味科普等场景

内容智能推荐

基于模型为图片添加的标签，可推荐相关的话题或用户，支持用于自动标签、图片分类和内容推荐等场景

使用指南

1. 成为开发者

三步完成账号的基本注册与认证：

STEP1：点击百度AI开放平台导航右侧的控制台，选择需要使用的AI服务项。若为未登录状态，将跳转至登录界面，请您使用百度账号登录。如还未持有百度账户，可以点击此处注册百度账户。
STEP2：首次使用，登录后将会进入开发者认证页面，请填写相关信息完成开发者认证。注：(如您之前已经是百度云用户或百度开发者中心用户，此步可略过)。
STEP3：通过控制台左侧导航，选择产品服务-人工智能，进入具体AI服务项的控制面板（如文字识别、人脸识别），进行相关业务操作。

2. 创建应用

账号登录成功，您需要创建应用才可正式调用AI能力。应用是您调用API服务的基本操作单元，您可以基于应用创建成功后获取的API Key及Secret Key，进行接口调用操作，及相关配置。

以人脸识别为例，您可按照下图所示的操作流程，完成创建操作。

两种入口只是展现形式不同，相关AI服务模块内容完全一样 点击上图中的「创建应用」，即可进入应用创建界面，如下图所示：

两种入口只是展现形式不同，相关AI服务模块内容完全一样 创建应用需填写的内容如下：

应用名称： 必填项，用于标识您所创建的应用的名称，支持中英文、数字、下划线及中横线，此名称一经创建完毕，不可修改；

接口选择： 必填项，每个应用可以勾选业务所需的所有AI服务的接口权限（仅可勾选具备免费试用权限的接口能力），应用权限可跨服务勾选，创建应用完毕，此应用即具备了所勾选服务的调用权限；

包名绑定： 选填项，如果您需要使用OCR、AR及语音客户端SDK服务（iOS/Android），需要绑定包名信息，以便生成授权License，上图中勾选了「通用文字识别」权限后，即展现此项。注：人脸识别客户端SDK需要单独申请使用，无需在此配置；

应用描述： 必填项，对此应用的业务场景进行描述。

以上内容根据您的需要，填写完毕后，即可点击「立即创建」，完成应用的创建。应用创建完毕后，您可以点击左侧导航中的「应用列表」，进行应用查看，如下图红框部分所示：

两种入口只是展现形式不同，相关AI服务模块内容完全一样
温馨提示：每项服务最多创建100个应用，同一账号下，每项服务都有一定请求限额，该限额所有应用共享。每项服务的请求限额可以在该服务控制台的概览页查看，通常包含调用量请求限额与QPS限额。

3. 获取密钥

在您创建完毕应用后，平台将会分配给您此应用的相关凭证，主要为AppID、API Key、Secret Key。以上三个信息是您应用实际开发的主要凭证，每个应用之间各不相同，请您妥善保管。下图为示例内容：

两种入口只是展现形式不同，相关AI服务模块内容完全一样

4. 生成签名

您需要使用创建应用所分配到的AppID、API Key及Secret Key，进行Access Token（用户身份验证和授权的凭证）的生成，方法详见 Access Token获取，我们为您准备了几种常见语言的请求示例代码。

温馨提示：Access Token的有效期为30天（以秒为单位），请您集成时注意在程序中定期请求新的token。

5. 启动开发

同时，我们也为您提供集成多项能力的解决方案，如智能对话平台UNIT | 智能创作平台，您可以查看文档了解具体使用方法。

SDK下载可以直接点击这里进入，选择您需要的SDK进行下载。其中，人脸客户端SDK需要申请才可使用，请直接：点击此处申请

详情参考：https://ai.baidu.com/ai-doc/REFERENCE/Ck3dwjgn3

产品问答

需要使用什么账号登录?

您需要拥有一个百度账号，用来登录百度云，可以点击此处注册百度账户。如您以前拥有百度推广账户，同样可以登录百度云。

注册百度账户时收不到验证码怎么办？

由于欠费停机、存储信息已满、信号网络延迟等原因没有及时收到验证码，这时请检查您的手机及话费余额，保证手机可正常接收短信后，请尝试重新获取验证码。由于欠费停机、存储信息已满、信号网络延迟等原因没有及时收到验证码，这时请检查您的手机及话费余额，保证手机可正常接收短信后，请尝试重新获取验证码。

每个服务的请求配额都是免费的么？

目前我们为每个账户下的每项API服务，都设置了固定的免费请求配额，便于您体验服务及应用调试。在免费试用阶段，成功调用或失败调用都算做一次有效调用，会消耗免费测试资源。

每个服务的请求配额有限制么？

目前在同一账号下，您可以在对应服务的控制台中查看。付费服务不限请求数量，即用即扣。目前在同一账号下，您可以在对应服务的控制台中查看。付费服务不限请求数量，即用即扣。

支持哪些语言的服务端SDK？

目前支持各项服务的Java、PHP、Python、C#、Node.js版本服务端SDK，部分技术推出了C++、IOS、Android等版本服务端SDK，详情请参见各技术服务SDK文档。

邀测、公测和商用接口有什么区别吗？

邀测的全称是邀请测试。AI能力引擎刚推出之际，邀请用户小范围测试。只有经过邀测后，才能进行公测，您需要提交工单申请或者直接通过产品页面进行商务咨询；公测的全称是公开测试。AI能力引擎向平台所有用户开放，提供一定的免费调用额度。同时，支持用户提交工单进行免费测试资源提额申请；商用是指AI能力引擎向平台所有用户开放，并收取一定费用。平台为用户提供一定的免费测试量。邀测的全称是邀请测试。AI能力引擎刚推出之际，邀请用户小范围测试。只有经过邀测后，才能进行公测，您需要提交工单申请或者直接通过产品页面进行商务咨询；公测的全称是公开测试。AI能力引擎向平台所有用户开放，提供一定的免费调用额度。同时，支持用户提交工单进行免费测试资源提额申请；商用是指AI能力引擎向平台所有用户开放，并收取一定费用。平台为用户提供一定的免费测试量。

关于我们