在100行代碼中構建Microsoft的What-Dog AI

本教程向您展示瞭如何構建類似於Microsoft的What-Dog AI，但使用Diffbot的Image API，該教程向您展示瞭如何構建狗品種標識符。 整個應用程序少於100行代碼和利用IMGUR以託管以最大程度地降低成本。

密鑰功能：

>使用簡單的圖像上傳表格和PHP進行處理。 > difbot的圖像API分析上載的圖像，並根據已確定的標籤返回建議。

。

雖然不完美，但最終的應用程序展示了現代AI在圖像識別方面的可訪問性和潛力。
• 入門：

difbot帳戶：從diffbot.com獲取免費的14天API代幣。

>
1. 作曲家設置：使用以下
安裝必要的庫：
2. composer.json

{
    "require": {
        "swader/diffbot-php-client": "^2",
        "php-http/guzzle6-adapter": "^1.0"
    },
    "minimum-stability": "dev",
    "prefer-stable": true,
    "require-dev": {
        "symfony/var-dumper": "^3.0"
    }
}

> imgur帳戶：

<code>Run `composer install`.  The `minimum-stability` setting accommodates a beta dependency.</code>

>創建一個IMGUR帳戶並獲取匿名映像上傳的客戶ID。

3. 代碼結構（index.php）：>
核心邏輯位於

中。 代碼通過HTML表單上傳圖像（省略了簡潔，重點是PHP後端）。 Imgur用於託管，節省服務器成本。 然後將上傳的圖像URL發送到Diffbot的Image API。

函數（輔助功能）：

代碼使用輔助功能（未顯示）為每個建議的品種創建指向Bing Image搜索結果的鏈接。 index.php

測試和結果：

<?php
require 'vendor/autoload.php';

$token = 'YOUR_DIFFBOT_TOKEN'; // Replace with your Diffbot token
$imgur_client = 'YOUR_IMGUR_CLIENT_ID'; // Replace with your Imgur Client ID

if ($_SERVER['REQUEST_METHOD'] == 'POST') {
    // Handle image upload (using $_FILES) or URL submission (using $_POST['url'])
    // ... (Image upload to Imgur using Guzzle, obtaining the image URL) ...

    if (!isset($url) || empty($url)) {
        die("Image upload or URL submission failed.");
    }

    $diffbot = new Swader\Diffbot\Diffbot($token);
    $imageDetails = $diffbot->createImageAPI($url)->call();
    $tags = $imageDetails->getTags();

    echo "<img  src=\"{$url}\"    style="max-width:90%"500\" alt="在100行代碼中構建Microsoft的What-Dog AI" ></img>";

    if (empty($tags)) {
        echo "<h4>No breed identified.</h4>";
    } else {
        echo "<h4>Suggested Breed(s):</h4>";
        foreach ($tags as $tag) {
            echo "- <a href=\"https://www.bing.com/images/search?q=" . urlencode($tag['label']) . "\" target=\"_blank\">" . $tag['label'] . "</a><br>";
        }
    }
}
?>

<!-- HTML form for image upload or URL input -->

該教程包括幾個測試圖像及其結果，強調了品種識別的成功和失敗。 準確性與微軟的What-Dog AI相媲美，證明了使用DiffBot構建類似應用的可行性。

結論：

>本教程展示了將AI驅動圖像分析集成到簡單Web應用程序中的易用性。儘管準確性並不完美，但它突出了隨時可用的API來構建強大的圖像識別功能的潛力。 切記用自己的佔位符令牌和ID替換。

以上是在100行代碼中構建Microsoft的What-Dog AI的詳細內容。更多資訊請關注PHP中文網其他相關文章！