[关闭]
@sambodhi 2018-05-07T00:09:51.000000Z 字数 7181 阅读 1938

从人脸识别到机器翻译:58个超有用的机器学习和预测API

作者|Pedro Lopez
译者|Sambodhi
编辑|Natalie

AI前线导读:作为程序猿的你,是不是想让自己开发的应用程序也拥有人工智能呢?如果答案是Yes,那么要怎么做呢?其实我们不用重复发明轮子,KDnuggets已经为我们整理了50多个有用的机器学习和预测的API,有了这些API的加持,就如虎添翼!是不是迫不及待了?走,让我们来看看。

本文在人脸和图像识别、文本分析、自然语言处理、文本情感分析、语言翻译、机器学习和预测等方面罗列出50多个API。

API(Application Programming Interface,应用程序编程接口)是一些预先定义的函数,目的是提供应用程序与开发人员基于某软件或硬件得以访问一组例程的能力,而又无需访问源码,或理解内部工作机制的细节。对于KDnuggets的本文的第三版,我们从2017年的列表(https://www.kdnuggets.com/2017/02/machine-learning-data-science-apis-updated.html)中删除了停用的API,并将其更新为新的元素。所有的API都被分为新兴的应用程序组:

在每组应用程序中,列表按字母顺序排列。API简介是基于截止到2018年4月16日其网站上的信息。读者可去API官网查看其相关信息。

人脸和图像识别

  1. Animetrics Face Recognition:【官网:http://api.animetrics.com/】该API可用于检测图片中的人脸并将其与一组已知的人脸进行匹配。该API还可添加或删除可搜索的图库中的主题,并添加或删除主题中的人脸。

  2. Betaface:【官网:https://www.betaface.com/wpa/】人脸识别和检测的Web服务。其特点包括多个人脸检测、人脸裁剪、123个人脸特征点检测(22个基本点、101个高级点)、大型数据库中的人脸验证、识别、相似搜索等。

  3. Eyedea Recognition:【官网:http://www.eyedea.cz/】专注于高端计算机视觉解决方案,主要用于目标检测和目标识别软件。提供眼睛、脸部、车辆、版权和车牌检测的识别服务。API的主要价值在于可即时了解目标、用户和行为。

  4. Face++:【官网:https://www.faceplusplus.com/】面部识别和检测服务,为应用程序提供检测、识别和分析。用户可以通过调用该API来训练程序、检测人脸、识别人脸、分组人脸、操作人脸和创建人脸集合,创建群组和获取信息。

  5. FaceMark:【官网:http://apicloud.me/apis/facemark/docs/】一种能够在正面人脸照片上检测68个点,以及35张个人头像照片的API。

  6. FaceRect:【官网:http://apicloud.me/apis/facerect/demo/】功能强大、完全免费的人脸检测API。该API可在一张照片查找人脸(正面和侧面)或多张人脸,为每张检测到的人脸生成JSON输出。此外,FaceRect可谓每个检测到的人脸(眼睛、鼻子和嘴巴)找到人脸特征。

  7. Google Cloud Vision API:【官网:https://cloud.google.com/vision/】由TensorFlow等平台提供支持,使模型能够学习和预测图像的内容。它可以帮助你找到自己喜欢的图像,并快速大规模地获取丰富的注释。它将图像分为数千个类别(例如“船只”、“狮子”、“埃菲尔铁塔”),以相关情绪进行人脸识别,并识别出多种语言打印的单词。

  8. IBM Watson Visual Recognition:【官网:https://www.ibm.com/watson/developercloud/visual-recognition.html】理解图像的内容:视觉概念标记图像,查找人脸并估算年龄和性别,并在集合中查找类似的图像。你还可以通过创建自己的自定义概念来训练服务。

  9. Imagga:【官网:https://imagga.com/solutions/auto-tagging.html】提供可自动图像分配标签的API,使你的图像更容易找到。它基于图像识别平台即服务(image recognition Platform-as-a-Service)。

  10. Kairos:【官网:https://www.kairos.com/docs/api/】是一个可快速将情绪分析和人脸识别添加到自己的应用和服务中的平台。

  11. Microsoft Cognitive Service - Computer Vision:【官网:https://www.microsoft.com/cognitive-services/en-us/computer-vision-api】基于云的API,可根据输入和用户的选择,以不同的方式分析视觉内容。例如,基于内容标记图像;对图像进行分类;检测人脸并返回其坐标;识别特定域的内容;生成内容的描述;识别图像中发现的文本;标记成人内容。

  12. Skybiometry Face Detection and Recognition:【官网:https://skybiometry.com/Documentation/】提供人脸检测和识别服务。新版本的API能够区分墨镜和透明眼镜。

文本分析,自然语言处理,文本情感分析

  1. Bitext:【官网:https://www.bitext.com/text-analysis-api-2/#How-accurate-is-the-analysis】提供市场上最准确的基于情感的多语言话题。目前,有四种语义服务可用:实体和概念提取、情感分析和文本分类。该API可支持8种语言。

  2. Diffbot Analyze:【官网:https://www.diffbot.com/dev/docs/analyze/】为开发人员提供能够识别、分析和提取任何Web页面的主要内容和部分内容的工具。

  3. Free Natural Language Processing Service:【官网:https://market.mashape.com/loudelement/free-natural-language-processing-service】是一项免费服务,包括情感分析、内容提取和语言检测。这是大型云API市场mashape.com上流行的数据API。

  4. Google Cloud Natural Language API【官网:https://cloud.google.com/natural-language/reference/rest/】分析文本的结构和含义,包括情感分析、实体识别和文本注释。

  5. Watson Natural Language Understanding:【官网:https://www.ibm.com/watson/services/natural-language-understanding/】分析文本从内容提取元数据,例如概念、实体、关键词、类别、关系和语义角色等。

  6. MeaningCloud Text Classification【官网:https://www.meaningcloud.com/developer/text-classification
    API执行预分类任务,如:提取文本、标记化、停用词删除和同一词类化(lemmatisation)。

  7. Microsoft Cognitive Service - Text Analytics【官网:https://www.microsoft.com/cognitive-services/en-us/text-analytics-api】从文本中检测情感、关键短语、主题和语言。与此API相同的其他API(用于语言的认知服务)包括Bing拼写检查、语言理解、语言分析、网络语言模型。

  8. nlpTools:【官网:http://nlptools.atrilla.net/web/api.php】是一种简单的JSON,通过HTTP RESTful Web服务进行自然语言处理。它解码了在线新闻媒体的情感分析和文本分类。

  9. Geneea:【官网:https://api.geneea.com/】可以对提供的原始文本,从给定URL中提取的文本或直接提供的文档执行(自然语言处理)。

  10. Thomson Reuters Open Calais™:【官网:http://www.opencalais.com/opencalais-api/】使用自然语言处理、机器学习和其他方法,Calais将文档与实体(人员、地点、组织等)进行分类和链接:事实(人员“x”为公司“y”工作)和事件(人员“z”于日期“x”被任命为公司“y”董事长)。

  11. Yactraq speech 2topicsis:【官网:http://yactraq.com/】是一种云服务,它通过语音识别和自然语言处理将音频视频内容转换成主题元数据。

语言翻译

  1. Google Cloud Translation:【官网:https://cloud.google.com/translate/docs/】可以动态翻译数千种语言对的文本。该API允许网站和程序以编程方式与翻译服务集成。

  2. Google Cloud SPEECH-TO-TEXT:【官网:https://cloud.google.com/speech-to-text/】允许开发人员在易于使用的API中应用强大的神经网络模型将音频转换为文本。该API可识别120种语言和语言变体,以支持你的全球用户基础。

  3. IBM Watson Language Translator:【官网:http://www.ibm.com/watson/developercloud/language-translator.html】将文本从一种语言翻译成另一种语言。该服务提供了多个领域特定的模型,你可以根据自己独特的术语和语言进行自定义。例如,客户可以用他们自己的语言进行交流。

  4. MotaWord:【官网:https://www.motaword.com/developer】是一个快速的人工翻译平台。它提供了超过70种语言的翻译。该API还可以让开发人员为每个翻译获得报价,提交翻译项目以及文档和风格指南,跟踪翻译项目的进度并实时获取活动源。

  5. WritePath Translation:【官网:https://www.writepath.co/en/developers】该API允许开发人员访问并集成WritePath和其他应用程序的功能。可以使用此API进行操作:检索单词计数、发布翻译文档和检索已翻译的文档和文本。

  6. Houndify:【官网:https://www.houndify.com/】通过一个始终在学习的独立平台,将语音和会话智能集成到您的产品中。

  7. IBM Watson Conversation:【官网:https://www.ibm.com/watson/developercloud/conversation.html】构建能够理解自然语言的聊天机器人,并将它们部署在任何设备上的消息传递平台和网站上。与该API相同的其他API(语言的认知服务)包括对话框、自然语言分类器、个性观点、文档转换和音调分析仪。

  8. IBM Watson Speech:【官网:https://www.ibm.com/watson/developercloud/speech-to-text.html】包括语音到文本和文本到语音(例如,在呼叫中心转录通话,或创建语音控制的应用程序)。

机器学习和预测

  1. Amazon Machine Learning:【官网:https://aws.amazon.com/documentation/machine-learning/】在数据中查找模式。该API的示例用途是用于欺诈检测、预测需求、目标营销和点击预测的应用程序。

  2. BigML:【官网:https://bigml.com/api/】为云托管的机器学习和数据分析提供服务。用户可设置数据源并创建一个模型,通过标准HTTP使用基本的监督和无监督机器学习任务进行预测。

  3. Google Cloud Prediction:【官网:https://cloud.google.com/prediction/docs/】提供一个RESTful API来构建机器学习模型。这些工具可以帮助分析你的数据,为你的应用程序添加各种功能,比如客户情感分析、垃圾邮件检测、推荐系统等等。

  4. co:【官网:http://www.guesswork.co/】为电子商务网站提供产品推荐引擎。Guesswork网站使用在Google Prediction API上的语义规则引擎准确预测客户的意图。

  5. Hu:toma:【官网:https://www.hutoma.ai/】通过提供免费访问转悠平台,帮助世界各地的开发人员构建并实现深度学习的聊天机器人,从而提供创建和分享对话式人工智能的工具和渠道。

  6. IBM Watson Retrieve and Rank:【官网:http://www.ibm.com/watson/developercloud/retrieve-rank.html】开发人员可以将他们的数据加载到服务中,使用已知的相关结果来训练机器学习模型(Rank)。服务输出包括相关文档和元数据的列表。例如,呼叫中心座席也可以快速找到答案来改善平均呼叫处理时间。

  7. indico:【官网:https://indico.io/docs】提供文本分析(如情感分析、Twitter接洽、情感)和图像分析(如面部表情、面部定位)。该indico API是免费使用的,不需要训练数据。

  8. Microsoft Azure Cognitive Service:【官网:https://azure.microsoft.com/en-au/services/cognitive-services/】正在取代提供基于预测分析的解决方案的Azure机器学习建议服务。它为客户提供个性化的产品推荐并提高销售。新版本具有新的功能,如批处理支持、更好的API Explorer、更干净的API外观、更一致的注册/账单体验等等。

  9. Microsoft Azure Anomaly Detection API:【官网:https://gallery.cortanaintelligence.com/MachineLearningAPI/Anomaly-Detection-2】在时间序列数据中以一致的时间间隔来检测异常。例如,在计算上升趋势的内存使用时,可能会引起注意,因为它可能表明内存泄漏。

  10. Microsoft Cognitive Service - QnA Maker:【官网:https://www.microsoft.com/cognitive-services/en-us/qnamaker】将信息提炼为对话式,易于浏览的答案。与此API在同一组(知识认知服务)中的其他API包括学术知识、实体链接、知识探索和建议。

  11. Microsoft Cognitive Service - Speaker Recognition:【官网:https://www.microsoft.com/cognitive-services/en-us/speaker-recognition-api】让你的应用能够知道谁在说话。与此API相同的组(语音识别服务)中的其他API包括Bing Speech(将语音转换为文本并理解其意图)和Custom Recognition。

  12. MLJAR:【官网:https://mljar.com/】为原型设计、开发和部署模式识别算法提供服务。

  13. NuPIC:【官网:https://github.com/numenta/nupic/wiki/NuPIC-API---A-bird's-eye-view】是一个用Python/c++编写的开源项目,它实现了Numenta的皮层学习算法(Cortical Learning Algorithm),并由NuPIC社区维护。该API允许开发人员使用原始算法,将多个区域(包括层次结构)串联起来,并利用其他平台功能。

  14. PredicSis:【官网:https://predicsis.ai/】为大数据提供强大的洞察力,并通过预测分析提高营销业绩。

  15. PredictionIO:【官网:http://predictionio.incubator.apache.org/index.html】是基于Apache 2.0许可的Apache Spark、HBase和Spray构建的开源机器学习服务器。示例API方法包括创建和管理用户和用户记录、检索项目和内容以及基于用户创建和管理建议。

  16. RxNLP - Cluster Sentences and Short Texts:【官网:http://www.rxnlp.com/api-reference/cluster-sentences-api-reference/】文本挖掘和自然语言处理服务。他们的API之一,Cluster Sentences API,可以将句子(例如来自多篇新闻文章的句子)或短文本(比如Twitter或Facebook状态更新的文章)组合成逻辑组。

  17. Recombee:【官网:https://www.recombee.com/】提供一种通过RESTful API使用数据挖掘、查询语言和机器学习算法(例如,协同过滤和基于内容的推荐)的服务。

添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注