Microsoft Computer Vision APIまたはGoogleのCloud Vision APIでオブジェクトの場所を取得することは可能ですか？

Question

私は、画像内のタグ付きオブジェクトの位置を知る必要があるアプリケーションを開発しようとしています。画像に「ピアノ」があることを知っていれば、ピアノがその画像のどこにあるのかを知る必要があります。

マイクロソフトのコンピュータビジョンAPIとGoogleのクラウドビジョンAPIの両方で、特定のオブジェクトの場所が検出されていると思うようになるクロッピングの提案/スマートサムネイル生成サービスが提供されています。 MicrosoftのComputer Vision APIまたはGoogleのCloud Vision APIのいずれかから検出された各オブジェクトの周りにバウンディングボックスがありますか？

---

EDIT：車、ピアノ、木、人を：私は、両方のAPIは、しかし、私は、画像内のすべてのオブジェクトの位置や大きさを探しています、画像で検出された顔の位置を返すことができることを理解しています。何か。

Answer 1

Microsoft Visual APIでは、検出されたオブジェクトのピクセル座標は提供されません（戻り値：https://dev.projectoxford.ai/docs/services/56f91f2d778daf23d8ec6739/operations/56f91f2e778daf14a499e1fa参照）。

ただし、人のMicrosoft APIを検出したい場合は、顔の四角形の座標を返すことができます。

Answer 2

現時点でオブジェクトの座標に対応しているAPIについてはわかりません。私が使用することをお勧めするのは、オブジェクトの座標を提供するYOLOです。事前に訓練されたモデルを使用することも、自分でトレーニングすることもできます。

しかし、APIではないため、リモートで実行するためにバックエンドのコードをコーディングする必要があります。