Automatisieren Sie die KI-Objekterkennung & Ermöglichen Sie erweitertes Bildsuchverfahren
Manuelles Taggen von Bildern für die Suche ist zeitaufwändig und übersieht oft feine Details in Bildern. Dieser Workflow automatisiert die Identifikation und Extraktion einzelner Objekte mittels KI und indexiert diese Objekte, um eine hochgranulare, objektbasierte Bildsuchfunktion zu erstellen.
Documentation
Automatisieren der KI-Objekterkennung für erweitertes Bildsuchverfahren
Dieser n8n-Workflow revolutioniert das Bildmanagement, indem er die Erkennung und Extraktion einzelner Objekte in Bildern automatisiert. Er ist ideal für Entwickler, Content-Manager und E-Commerce-Unternehmen, die leistungsstarke, objektbasierte Bildsuchmaschinen ohne manuelles Taggen erstellen möchten.
Hauptmerkmale
- KI-gestützte Objekterkennung: Erkennt und klassifiziert automatisch mehrere Objekte in jedem Bild mithilfe fortgeschrittener Machine-Learning-Modelle.
- Automatisches Zuschneiden von Bildern: Extrahiert einzelne erkannte Objekte als separate Bilddateien, die präzise anhand der Begrenzungsrahmendaten zugeschnitten werden.
- Feingranulare Bildindexierung: Speichert objektspezifische Bilder und deren Metadaten in Elasticsearch, was hochpräzise Suchanfragen basierend auf dem Bildinhalt ermöglicht.
- Skalierbares Hosting in der Cloud: Lädt extrahierte Objektbilder nahtlos zu Cloudinary hoch für eine effiziente Speicherung und Auslieferung.
- Eliminiert manuelles Taggen: Reduziert drastisch den Zeit- und Arbeitsaufwand, der für das Taggen und Kategorisieren von Bildern zu Suchzwecken benötigt wird.
Funktionsweise
Dieser Workflow beginnt mit dem Herunterladen eines angegebenen Quellbildes. Anschließend wird das Bild an Cloudflare Workers AI gesendet, wo das Detr-Resnet-50-Objektklassifizierungsmodell verwendet wird, um alle erkennbaren Objekte und deren genaue Begrenzungsrahmenkoordinaten zu identifizieren. Objekte mit einer Vertrauensbewertung unter 0,9 werden herausgefiltert. Für jedes Objekt mit hoher Vertrauensstufe wird das Originalbild erneut geladen und das spezifische Objekt präzise ausgeschnitten. Diese neu erstellten Objektbilder werden anschließend zu Cloudinary für die Speicherung hochgeladen. Abschließend werden die Metadaten für jedes zugeschnittene Objekt, einschließlich Label, URL und Details des Quellbildes, in Elasticsearch indexiert, wodurch eine durchsuchbare Datenbank erstellt wird, die eine leistungsstarke Bildabfrage basierend auf enthaltenen Objekten ermöglicht.