智能元素识别
专为电商图像设计的元素识别能力，识别图片主体与背景上是否含有文字、Logo、水印、 含字色块（牛皮癣） 四类元素。返回是 / 否判断结果，可选附带 OCR 原文、主体面积占比、文字面积占比等量化指标，作为智能消除 / 智能抠图 / 批量素材筛选的前置判断，提升筛选效率与准确性。同步调用。
适用场景
-
智能图像筛选与优化：自动识别含水印 / Logo 等特定元素的图片，再调用智能消除批量优化处理，提升图像质量、缩短产品发布周期。
-
自动化图像处理与效率提升：实现图像处理流程自动化，自动识别并标记需要优化的元素，减少人工干预。
功能介绍
元素定义
关于图片主体、图片背景以及四类元素的定义和示例图，可参见智能消除文档的"功能介绍"和"效果对比"段。本接口的元素枚举值与之保持一致。
-
图片主体：图片中的核心产品区域。
-
图片背景：除产品主体之外的其余部分。
-
文字：横排 / 竖排 / 斜排的中英文。
-
Logo：徽标或商标。
-
水印：单色透明的文字、徽标、图像、网址、店铺名等。
-
含字色块：非主体外的含有文字的色块（牛皮癣）。
主要功能
-
元素识别：识别图片主体和背景是否存在文字、Logo、水印、含字色块等元素。
-
流程协同：与智能消除结合使用——先识别需要移除的元素，再有效移除，确保图像处理的准确性和效率。
技术优势
-
同步批处理：作为同步接口，能在保持快速响应的同时处理大量图像，适应不同规模的业务需求。
-
灵活性：可按需选择识别的元素类型与作用范围（主体或非主体），支持个性化的识别需求。
效果对比
|
原始图片 |
识别结果 |
|
|
【主体】
【非主体】
|
|
|
【主体】
【非主体】
|
支持识别的元素
|
枚举值 |
含义 |
定义 |
|
|
水印 |
单色透明的文字、徽标、图像、网址、店铺名等。 |
|
|
Logo |
徽标或商标。 |
|
|
文字 |
横排 / 竖排 / 斜排的中英文。 |
|
|
含字色块 |
含有文字的色块，即牛皮癣（主体或非主体均可能出现，常见于促销贴纸、产地标签）。 |
和智能消除一致，图片主体指核心产品区域，图片非主体指背景。两组检测参数可独立指定。
接口
POST /rest/ai/image/recognition请求参数
|
参数 |
类型 |
必填 |
说明 |
|
|
String |
是 |
图片 URL。要求：JPG / JPEG / PNG / BMP / WEBP 格式；分辨率 256×256 至 3000×3000；文件 ≤ 10 MB。 |
|
|
Number[] |
二选一 |
检测主体上的元素枚举值数组，取值 1-4。与 |
|
|
Number[] |
二选一 |
检测非主体上的元素枚举值数组，取值 1-4。 |
|
|
Number |
否 |
是否返回识别区域的 OCR 文字结果： |
|
|
Number |
否 |
是否返回主体到画面边缘的距离： |
|
|
Number |
否 |
是否返回主体面积占比： |
|
|
Number |
否 |
是否返回主体数量： |
|
|
Number |
否 |
是否返回文字面积占比： |
响应字段
所有布尔字段命名遵循 主体 = Obj 前缀 / 非主体 = Noobj 前缀 + 元素名的规则。未在请求中指定的元素，返回值无意义（一般为 false）。
|
字段 |
类型 |
说明 |
|
|
String |
业务状态码。成功为 |
|
|
String |
报错信息。成功时为 |
|
|
Boolean |
本次调用是否成功。 |
|
|
String |
请求唯一标识。 |
|
|
Object |
返回的识别结果结构体信息。 |
|
|
Boolean |
主体上是否含水印。 |
|
|
Boolean |
主体上是否含 Logo。 |
|
|
Boolean |
主体上是否含文字。 |
|
|
Boolean |
主体上是否含字色块（语义见 1-4 枚举的"含字色块"）。 |
|
|
Boolean |
非主体上是否含水印。 |
|
|
Boolean |
非主体上是否含 Logo。 |
|
|
Boolean |
非主体上是否含文字。 |
|
|
Boolean |
非主体上是否含字色块。 |
|
|
String[] |
OCR 识别出的文字数组。 |
|
|
String |
主体到画面四边的距离 + 原图宽高，格式 |
|
|
String |
主体面积占比，百分比字符串（如 |
|
|
Number |
主体数量。 |
|
|
String |
文字面积占比，百分比字符串（如 |
|
|
Object |
用量字段。 |
|
|
Number |
已处理图片张数，用于计费核对。 |
完整示例
请求示例
{
"ImageUrl": "https://cbu01.alicdn.com/img/ibank/example.jpg",
"ObjectDetectElements": [1, 2, 3, 4],
"NonObjectDetectElements": [1, 2, 3, 4],
"ReturnCharacter": 1,
"ReturnBorderPixel": 1,
"ReturnProductProp": 1,
"ReturnProductNum": 1,
"ReturnCharacterProp": 1
}响应示例
{
"Code": "success",
"Message": "Success",
"Success": true,
"RequestId": "2157065A-D6C8-1F3E-A4D0-B1234567890",
"Data": {
"ObjWatermark": false,
"ObjLogo": false,
"ObjCharacter": false,
"ObjNpx": false,
"NoobjWatermark": true,
"NoobjLogo": false,
"NoobjCharacter": false,
"NoobjNpx": false,
"RecText": [],
"BorderPixel": "154,26,36,59,790,895",
"PdProp": "53.77%",
"PdNum": 1,
"TextProp": "0.0%",
"UsageMap": { "ProcessedImageCount": 1 }
}
}使用建议
-
仅检测非主体：电商主图最常见的是要消除背景水印 / Logo，不希望动到主体本身。直接调
NonObjectDetectElements=[1,2]，根据返回NoobjWatermark/NoobjLogo再决定是否走智能消除。 -
OCR 与文字占比组合：当你只关心"是不是品牌名"而非"任意文字"时，开启
ReturnCharacter=1拿到RecText后再在客户端做关键词匹配。 -
主体数量与面积：
PdNum > 1或PdProp异常小（如 < 10%）通常意味着原图复杂度高，后续抠图 / 裁剪结果可能不稳定，建议人工复核。 -
批量场景：QPS = 5，多张图建议客户端做并发控制（如 4 个 worker），不要把整批同步发出去。
错误码
|
错误码 |
触发场景 |
|
|
|
|
|
输入图片触发内容安全审核。 |
|
|
图片下载失败 / 下游视觉模型暂时不可用。建议指数退避后重试。 |
|
|
试用额度已耗尽，需购买商品包或关闭"用完即停"。 |
|
|
服务端内部错误。请保留 |
完整错误码列表参见错误码。
使用限制
-
调用模式：同步。默认 QPS = 5，单次请求超时上限 30 秒。
-
输入图片：JPG / JPEG / PNG / BMP / WEBP；分辨率 256×256 至 3000×3000；文件 ≤ 10 MB。
-
计费：¥0.02/张，按
ProcessedImageCount计件。详见素材优化计费。