在100行代码中构建Microsoft的What-Dog AI

本教程向您展示了如何构建类似于Microsoft的What-Dog AI，但使用Diffbot的Image API，该教程向您展示了如何构建狗品种标识符。 整个应用程序少于100行代码和利用IMGUR以托管以最大程度地降低成本。

密钥功能：

>使用简单的图像上传表格和PHP进行处理。> difbot的图像API分析上载的图像，并根据已确定的标签返回建议。

。

虽然不完美，但最终的应用程序展示了现代AI在图像识别方面的可访问性和潜力。
• 入门：

difbot帐户：从diffbot.com获取免费的14天API代币。

>
1. 作曲家设置：使用以下
安装必要的库：
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帐户：

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

>创建一个IMGUR帐户并获取匿名映像上传的客户ID。

3. 代码结构（index.php）：>
核心逻辑位于

中。 代码通过HTML表单上传图像（省略了简洁，重点是PHP后端）。 Imgur用于托管，节省服务器成本。 然后将上传的图像URL发送到Diffbot的Image API。

函数（辅助功能）：

代码使用辅助功能（未显示）为每个建议的品种创建指向Bing Image搜索结果的链接。 index.php

测试和结果：

<?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行代码中构建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 -->

该教程包括几个测试图像及其结果，强调了品种识别的成功和失败。 准确性与微软的What-Dog AI相媲美，证明了使用DiffBot构建类似应用的可行性。

结论：

>本教程展示了将AI驱动图像分析集成到简单Web应用程序中的易用性。尽管准确性并不完美，但它突出了随时可用的API来构建强大的图像识别功能的潜力。 切记用自己的占位符令牌和ID替换。

以上是在100行代码中构建Microsoft的What-Dog AI的详细内容。更多信息请关注PHP中文网其他相关文章！