Table of Contents

Calificación de dificultad de reconocimiento de imágenes

Antes de añadir oficialmente una imagen a la biblioteca de cloud recognition (CRS), la mejor práctica es evaluar su calidad con antelación.

Si el área reconocible de la imagen objetivo es demasiado pequeña, como una pared blanca o un bloque de color sólido, o si la textura es demasiado simple, su tasa de éxito de reconocimiento disminuirá considerablemente. Este capítulo describe en detalle el mecanismo de calificación de CRS para ayudarle a seleccionar materiales de reconocimiento AR de alta calidad.

Mecanismo de calificación y significado de la puntuación

Puntuación Evaluación Sugerencia
0 - 1 Excelente Textura extremadamente rica, reconocimiento rápido y tracking muy estable.
2 Buena Tiene suficientes puntos de características y puede realizar normalmente el negocio AR.
3 Normal La tasa de reconocimiento puede verse afectada por la iluminación o el ángulo. Se recomienda optimizar la textura.
4 Mala Extremadamente difícil de reconocer. No se recomienda como imagen de reconocimiento en entornos de producción.
-1 Error Formato de imagen no compatible o archivo dañado.
Importante

Principio de prueba real: si el número total de objetivos en la biblioteca de imágenes es pequeño, incluso si la puntuación de calificación es ligeramente alta, puede seguir siendo utilizable en un entorno específico. Se recomienda tomar como referencia el resultado real de pruebas en dispositivos físicos.

Métricas integrales principales

Nos centramos principalmente en las siguientes dos métricas integrales. Ambas tienen endpoints API independientes que proporcionan una calificación integral:

  • Nivel integral de dificultad de reconocimiento (detectableRate):

    • La métrica más importante. Determina la tasa de éxito de "búsqueda por imagen" en la nube.
    • Calificación integral proporcionada por el endpoint API /grade/detection
  • Nivel integral de dificultad de tracking (trackableRate):

    • Si usa EasyAR Sense SDK para local tracking en Unity/App, esta métrica determina la estabilidad de la superposición de contenido AR.
    • Calificación integral proporcionada por el endpoint API /grade/tracking

Otras métricas detalladas

  • detectableDistinctiveness
  • detectableFeatureCount
  • trackableDistinctiveness
  • trackableFeatureCount
  • trackableFeatureDistribution
  • trackablePatchContrast
  • trackablePatchAmbiguity

Estas métricas califican desde la dimensión de algoritmos de imagen, y cada métrica sigue dándose de 0 a 4 según la dificultad.

Cómo ver resultados de calificación

Cada imagen objetivo de la base de datos tiene una calificación detallada en sus detalles. Puede obtener las propiedades de la imagen objetivo mediante API para verla. También puede verla mediante la gestión de cloud recognition de EasyAR.

Ver mediante EasyAR Web

  • Inicie sesión en EasyAR Web y entre en Developer Center
  • Cloud recognition management
  • Seleccione la biblioteca de imágenes habilitada
  • Haga clic en Manage para entrar en la gestión de la biblioteca de imágenes
  • Seleccione la imagen objetivo
  • Haga clic en Manage para ver los detalles de la imagen objetivo.

Como se muestra en la figura, la página de detalles contiene dos métricas integrales principales, y el pentágono muestra cinco métricas detalladas.

  • Reconocibilidad: convierte la puntuación integral original de dificultad de reconocimiento (detectableRate) en un nivel de reconocibilidad de cinco estrellas. Cuanto menor sea la puntuación original de dificultad, más estrellas y más fácil será reconocer
  • Trackability: convierte la puntuación integral original de dificultad de tracking (trackableRate) en un nivel de trackability de cinco estrellas. Cuanto menor sea la puntuación original de dificultad, más estrellas y más fácil será reconocer

detail

Obtener resultados de calificación por API - endpoint de lista de imágenes objetivo

Mediante el endpoint de lista de imágenes objetivo o al obtener detalles, puede obtener todas las métricas algorítmicas detalladas de cada imagen objetivo, incluido detectableRate, como distribución de textura y número de puntos de características.

Mejor práctica: precalificación por API

Al construir un backend de carga automatizada, se recomienda llamar al endpoint de calificación antes de la carga oficial.

Documento de referencia: Endpoint API de calificación de dificultad de reconocimiento de imágenes

Categorías de endpoints de calificación

  1. Calificación de reconocimiento (/grade/detection): solo devuelve dificultad de reconocimiento. (Más usado)
  2. Calificación de tracking (/grade/tracking): solo devuelve dificultad de tracking.
  3. Calificación detallada (/grade/detail): devuelve métricas multidimensionales como referencia para profesionales de algoritmos.

Preparación de llamada

  • La lista de preparación es la siguiente. Para saber cómo prepararse, consulte lista de preparación de llamada

    • CRS AppId
    • Credencial de autenticación: API Key / API Secret o Token
    • Server-end URL: dirección URL de gestión de imagen objetivo, HTTPS usa el puerto 443
    • Test image: formato JPEG/PNG, tamaño no superior a 2 MB
  • Primero convierta la imagen de target local a Base64 (macOS / Linux) y guarde el resultado en image_base64.txt
base64 -i ./target.jpg | tr -d '\n' > image_base64.txt
  • Reemplace los marcadores de posición por los parámetros reales y ejecute el script curl
    • Your-Server-side-URL → API Host real
    • Your-Token → API Key Authorization Token real
    • Your-CRS-AppId → su appId
curl -X POST "https://<Your-Server-side-URL>/grade/detail" \
  -H "Content-Type: application/json" \
  -H "Authorization: <YOUR-TOKEN>" \
  -d '{
    "appId": "<Your-CRS-AppId>",
    "image": "'"$(cat image_base64.txt)"'"
  }'

Temas relacionados:

Tema siguiente: