探索云端视觉：Cloudy Vision —— 比较计算机视觉API的利器

探索云端视觉：Cloudy Vision —— 比较计算机视觉API的利器

cloudy_visionCloudy Vision is an open source tool to test the image labeling capabilities of different computer vision API vendors.项目地址:https://gitcode.com/gh_mirrors/cl/cloudy_vision

在当今AI大行其道的时代，计算机视觉服务已成为许多开发者和企业的重要工具。然而，如何选择最适合您需求的服务呢？Cloudy Vision是一个开源项目，它允许您将一组图像通过多个计算机视觉API提供商进行处理，并直观地比较结果，从而帮助您找到最匹配的解决方案。

项目介绍

Cloudy Vision是一个Python脚本，旨在对Microsoft、IBM、Google、Cloudsight、Amazon（Rekognition）和Clarifai等多家知名厂商的计算机视觉API性能进行对比。该项目的核心功能是生成一个HTML输出文件，展示每个API识别同一组图像的结果，使您可以方便地评估每种服务的表现。

查看示例输出

阅读相关博客文章以获取更多信息

技术分析

Cloudy Vision的工作流程十分简洁：

1. 对指定目录中的图像，逐个调用各服务商的API。
2. 将结果存储为JSON文件，便于后期处理和比较。
3. 可选地，您可以将自己的标签与API返回的结果进行匹配，以此来测试准确性。
4. 计算响应时间、返回标签数量等相关统计信息。
5. 创建缩略图以便于在输出页面中展示。
6. 生成output.html，集中显示所有图像及其识别结果。

应用场景

• 针对特定业务场景，比较不同API的准确性和效率。
• 开发者或研究人员对新API的快速评估。
• 教育领域，用于教学和实践计算机视觉API的使用。

项目特点

• 多平台支持：覆盖了市场上的主流计算机视觉服务，提供了丰富的比较选项。
• 可视化结果：通过HTML页面清晰展示比较结果，使得评估直观易懂。
• 灵活配置：可设置期望的标签，评估API对预设标签的匹配程度。
• 自动化处理：一次运行，自动处理所有图片，节省时间和精力。
• 易于扩展：欢迎社区贡献，添加新的API供应商或增强现有功能。

使用方法

1. 获取各个API的密钥并存入api_keys.json。
2. 安装依赖库（见下文）。
3. 将图像放入input_images目录。
4. 运行cloudy_vision.py脚本。
5. 查看output/output.html浏览结果。
6. 添加新图片时，只需重新运行脚本，已有的结果会从缓存中读取。

注意事项

对于Amazon Rekognition和Clarifai，密钥需分别存放在.aws/credentials和.clarifai/config。

安装步骤

创建虚拟环境并安装要求的依赖：

virtualenv venv
source venv/bin/activate
pip install -r requirements.txt

如果不需要缩略图，可以省略Pillow的安装。

贡献指南

欢迎任何形式的贡献，比如增加新的图像识别提供商，暴露更多供应商特性，或者修复bug、提出建议。

致谢

项目由@goberoi发起，感谢@lucasdchamps提供的多项改进，包括响应时间统计、标签匹配、Amazon Rekognition支持以及其它优化。

许可证

该项目遵循MIT许可证，版权所有(2016) Gaurav Oberoi。

cloudy_visionCloudy Vision is an open source tool to test the image labeling capabilities of different computer vision API vendors.项目地址:https://gitcode.com/gh_mirrors/cl/cloudy_vision