人脸修复增强
功能描述 人脸修复增强能力可以对输入图像中的人脸进行裁剪、对齐、细节增强，最后再融合回原图。关于该接口功能的示例图如下：输入原图：输出增强后示意图：说明 您可以进入 在线咨询 获取在线人工帮助。当前能力可在视觉智能开放平台有...
Linux集成开发指南
异步请求时需要RequestID关联请求，关联操作可以让应用找到输入图像和Callback结果的关系，RequestID通过sail:face:DetectionResult:request_id返回给用户。如果是同步请求，可以任意填写一个RequestID。SourceType：（sail:face:...
图像隐形文字水印
本文介绍图像生产（imageenhan）类目下的图像隐形文字水印ImageBlindCharacterWatermark语法及示例。功能描述 图像隐形文字水印能力可以为图片添加或者解析指定文字水印。关于该接口功能的示例图如下：说明 您可以进入 在线咨询 获取在线...
SAM自动图片分割和预标注
背景信息 Grounded SAM模型是一个最强的零样本视觉应用，它可以通过文本输入，检测、分割和生成任何图像。它是由IDEA领衔的中国专业团队打造的，基于Meta的SAM模型和其他三个强大的零样本模型。Grounded SAM模型主要由Grounding DINO和SAM...
2020年
2020-11-30 华东2（上海）视频综合增强 视频人脸融合 可以将视频中某个指定的人脸，融合进另一个人的人脸特征，达到换脸的感官效果。2020-11-30 华东2（上海）通用视频人脸融合 2020年10月 类目名称 接口名称 功能描述 发布时间 发布地域 ...
多媒体分析概述
图像多标签 1次基础模型服务 提供图像多标签打标能力，可以输出概率最高的Top K个标签以及对应的概率，也可以输出图像的高维特征。高频标签举例：女生、自拍、男生、生活随拍、截屏、食物、车、美食、游戏、卡通、动物、韩系穿搭等。人像...
图像关键点训练
如果您的业务场景涉及人体相关的关键点检测，则可以通过图像关键点训练组件构建关键点模型，从而进行模型推理。本文为您介绍图像关键点训练组件的配置方法及使用示例。前提条件 已开通OSS并完成授权，详情请参见 开通OSS服务 和 云产品依赖...
样本标注
本文档将介绍工业视觉智能产品内置的标注工具的使用，对于不同的模型所需的样本标注工具会有差异，下面会详细解释，在使用中可以先看一下新手引导，有问题时可随时点击帮助按钮获取帮助。新手引导 用户在前三次进入标注工具，会弹出引导层...
组件参考：所有组件汇总
组件类型 组件 描述 自定义组件 自定义组件 支持在AI资产管理中创建自定义组件，自定义组件创建成功后，您可以在Designer中将该组件与官方组件串联使用进行模型训练。源/目标 读OSS数据 该组件用来读取对象存储OSS Bucket路径下的文件或...
明星识别
功能描述 明星识别能力可以识别图像中的明星人物。可以识别超过2.7万个明星人物。说明 您可以进入 在线咨询 获取在线人工帮助。当前能力可在视觉智能开放平台有完整的免费产品体验，您可以单击 立即试用 对该能力进行更直观试用以及在线...
创新专区介绍
创新专区基于阿里云人工智能技术，自动生成各类创意内容，能够帮助创作者快速且大规模地创作文本和图像类型的内容，包括但不限于独特的动漫角色、富有创意的文字视觉效果以及风格各异的图文内容，广泛应用于多元化的业务场景。服务开通 请...
C++
完成上述步骤后，在 lib 目录中可以找到两个动态链接库文件libalibabacloud-sdk-core.so和libalibabacloud-sdk-imageseg.so，您可以构建自己的代码并链接这两个库文件，完成最终的图像分割调用。代码示例 SDK示例如下，代码以ImageSeg为例...
人脸美颜
功能描述 人脸美颜能力可以对图像中的人脸进行美颜。产品支持以下功能：人脸美颜：磨皮、美白、锐化（清晰度）、平滑度等。参数调整：可自定义调整参数，提升个人形象。关于该接口功能的示例图如下：输入原图 美白 磨皮 说明 您可以进入 ...
通用文字识别
功能描述 通用文字识别能力可以识别图像中文字内容和文字区域坐标，适用于多场景图像文字识别。说明 您可以进入 在线咨询 获取在线人工帮助。当前能力可在视觉智能开放平台有完整的免费产品体验，您可以单击 立即试用 对该能力进行更直观...
图像度量学习训练（raw）
如果您的业务场景涉及度量学习，则可以通过图像度量学习训练（raw）组件构建度量学习模型，从而进行模型推理。本文为您介绍图像度量学习训练（raw）组件的配置方法和使用示例。前提条件 已开通OSS并完成授权，详情请参见 开通OSS服务 和 云...
场景识别
功能描述 场景识别能力可以识别图像中的场景环境，支持数十种常见场景，包括：人物、动物、狗、猫、鱼、鸟、花、草地、蔬菜、植物、水果、餐厅、美食、聚餐、烧烤 物品、手机、显示器 室外、广场、建筑、游乐场、户外、公路、小河、山峰、...
室外场景分割
功能描述 室外场景分割能力可以对图像中的场景进行像素级抠图。当前共支持13种场景：天空、草地、地面、树木、花、山石、水、雪地、建筑物、人物、动物、交通工具、结构物、其他。关于该接口功能的示例图如下：说明 您可以进入 在线咨询 ...
通义千问VL
通义千问VL是阿里云研发的大规模视觉语言模型（Large Vision Language Model,LVLM），可以以图像、文本、检测框作为输入，并以文本和检测框作为输出，支持中文多模态对话及多图对话，并具有更好的性能，是首个支持中文开放域的通用定位模型...
商品分类
功能描述 商品分类能力可以识别图像中的商品分类，返回商品类目、置信度等信息。目前已经支持服饰鞋包、3C数码、家居用品等超过六千种类目分类。说明 您可以进入 在线咨询 获取在线人工帮助。当前能力可在视觉智能开放平台有完整的免费产品...
二维码识别
功能描述 二维码识别能力可以识别图像中是否含有二维码信息，输出图像中二维码包含的文本信息（每个二维码对应的URL或文本），可支持图像中含有多个二维码识别。说明 在同时检测多个Task的情况下，将按照Task的个数进行累计计费。您可以...
应用场景
例如一个电商平台中包含了各种商品的图像和描述信息，用户在搜索商品时，可以通过图像或者描述信息查询相关的商品，并且还希望能够实现推荐功能，自动向用户推荐可能感兴趣的商品。用户只需要先将商品的图像和描述信息使用Embedding技术...
基础概念
关键帧可以做为随机访问（seek）的参考点，可以当成图像。GOP Group of Picture（以下简称GOP）顾名思义就是有一组帧组成的一个序列。一个GOP由关键帧开始，后面跟随者一组B帧和P帧。GOP过小，会导致I帧的比例增高，压缩比降低。GOP过大，...
Brotli压缩
如果您需要进一步减小图片文件的体积可以使用 图像处理 功能，如果您需要进一步减小视频文件的体积可以使用 视频转码 功能。“图像处理”和“视频转码”都会影响文件清晰度。操作步骤 登录 CDN控制台。在左侧导航栏，单击 域名管理。在 ...
Brotli压缩
如果您需要进一步减小图片文件的体积可以使用 图像处理 功能，如果您需要进一步减小视频文件的体积可以使用 视频转码 功能。“图像处理”和“视频转码”都会影响文件清晰度。操作步骤 登录 DCDN控制台。在左侧导航栏，单击 域名管理。在 ...
SDK总览
人脸人体 人脸搜索1:N、图像人脸融合、人脸活体检测等能力。文字识别 身份证识别、驾驶证识别、PDF识别等能力。商品理解 商品分类。内容审核 文本内容安全、图片内容安全。图像识别 通用图像达标、元素识别、场景识别等能力。图像生产 图片...
OCR录制
录制流程 点击右上角开始捕捉流程 选中包含目标控件的目标区域（可以使用图像模式或者传统模式捕捉目标控件最外围窗体）选择OCR前缀相关动作即可应用OCR分析截取控件 这里以OCR-点击动作为例子 OCR录制通用参数 动作参数-关键词：你想要...
Gzip压缩
如果您需要进一步降低图片文件的体积可以使用 图像处理 功能；如果您需要进一步降低视频文件的体积可以使用 视频转码 功能。Gzip压缩支持的文件类型有 text/xml、text/plain、text/css、application/javascript、application/x-javascript...
捕捉控件
考虑到匹配的准确性与效率，我们一般推荐您使用基于自动匹配的模式，若您希望捕捉的控件或其所在的界面无法被该模式识别，您也可以通过图像录制的模式，来截取目标操作区域，RPA会通过图像识别的方式对其进行匹配。2.1.自动匹配模式/win32-...
Gzip压缩
如果您需要进一步降低图片文件的体积可以使用 图像处理 功能；如果您需要进一步降低视频文件的体积可以使用 音视频转码 功能。操作步骤 登录 视频点播控制台。在左侧导航栏选择 配置管理>分发加速配置>域名管理，进入到域名管理页面。单击...
Brotil压缩
如果您需要进一步降低图片文件的体积可以使用 图像处理 功能；如果您需要进一步降低视频文件的体积可以使用 视频转码 功能。Brotli压缩支持的文件类型有text/xml、text/plain、text/css、application/javascript、application/x-javascript...
2022年
2022-12-30 Linux服务端 服务端人脸识别SDK 类目名称 能力名称 功能描述 发布时间 发布地域 相关文档 视频生产 模板视频人脸融合 在获得用户授权的前提下，视频人脸融合可以将视频中检测到的最大人脸，融合进另一个人的人脸特征，达到换脸...
压缩规则
如果您需要进一步降低图片文件的体积可以使用 图像处理 功能；如果您需要进一步降低视频文件的体积可以使用 视频转码 功能。压缩规则不 生效的场景 由于源站或客户端设置项冲突，部分场景下压缩规则不生效。源站 当源站文件的大小在1 KB-10...
基本概念
通过阅读本文，您可以了解MediaBox音视频SDK产品中常用名词的基本概念。产品定义 MediaBox音视频SDK MediaBox音视频SDK整合了直播推流SDK、播放器SDK、短视频SDK、美颜特效SDK等产品，为AUI Kits低代码应用方案提供端侧音视频能力，例如推...
使用AMD CPU实例部署通义千问Qwen-VL-Chat
Qwen-VL可以以图像、文本、检测框作为输入，并以文本和检测框作为输出。在Qwen-VL的基础上，利用对齐机制打造出基于大语言模型的视觉AI助手Qwen-VL-Chat，它支持更灵活的交互方式，包括多图、多轮问答、创作等能力，天然支持英文、中文等多...
快速开始
通义千问VL 说明 支持的领域/任务：aigc 通义千问VL是阿里云研发的大规模视觉语言模型（Large Vision Language Model,LVLM），可以以图像、文本、检测框作为输入，并以文本和检测框作为输出，支持中文多模态对话及多图对话，并具有更好的...
插件配置概述
向量检索功能，可以实现图像搜索。6.7.0、7.10.0（内核版本为1.2.0及以上）安装 aliyun-knn 向量检索引擎插件。能够帮助您快速实现图像搜索、视频指纹采样、人脸识别、语音识别和商品推荐等向量检索场景的需求。重要 日志增强版实例不支持...
通义千问
通义千问VL是阿里云研发的大规模视觉语言模型（Large Vision Language Model,LVLM），可以以图像、文本、检测框作为输入，并以文本和检测框作为输出，支持中文多模态对话及多图对话，并具有更好的性能，是首个支持中文开放域的通用定位模型...
OSS中的透明图片添加水印不生效
解决方案 JPG、PNG这是两种不同的图片格式，JPG图像是没有透明的背景，而PNG图像可以保留透明的背景。请检查原图是否为PNG格式，如果是PNG格式，优先转换成JPG格式后，再添加水印。详情请参见 格式转换。适用于 对象存储OSS
基于PAI产品的虚拟上装解决方案
效果展示图如下：方式二：基于SAM和ControlNet的人台重绘技术 在SDWebUI中，您可以同时利用多个ControlNet来完成图像生成中的部分内容编辑。这意味着您可以在完整保留原始图像衣物的细节后，对其余细节部分进行创意生成，例如对人物和背景...
人物写真生成API详情
人物形象训练lora方式流程图：人物形象训练lora方式上，人物写真基于扩散模型的图像生成能力，结合LoRA训练实现人像和风格融合，并叠加一系列后处理能力，实现兼具相似度、真实感、美观度的写真生成能力，人物写真可以实现高度个性化、高...
- 产品推荐
- 这些文档可能帮助您