Google Cloud Vision APIAPI za analizo slik v oblaku za OCR, označevanje slik, zaznavanje obrazcev in značk ter moderiranje vsebine.

Google Cloud Vision API je zreli, oblačni servis, ki razvijalcem omogoča integracijo naprednih zmogljivosti analize slik v njihove aplikacije prek REST in RPC API-jev. Z uporabo predtreniranih modelov strojnega učenja Googlea API odstrani potrebo po organizacijah, da same oblikujejo, trenirajo in gostijo svoje modele računalniškega vida za standardne naloge klasifikacije in zaznavanja. Posluži kot dostopen vstopni točka za dodajanje vizualne inteligence programski opremi z minimalnim znanjem strojnega učenja. Storitev je zasnovana predvsem za razvijalce, sistemske arhitekte in podjetja, ki gradijo programsko opremo, ki zahteva avtomatsko vizualno razvrščanje, transkripcijo ali moderacijo. Je zelo vsestranska, zlasti v primerih uporabe v upravljanju digitalnih virov, katalogizaciji e-trgovine, avtomatskem vnosu dokumentov in platformah z vsebinami, ustvarjenimi s strani uporabnikov. Ker je del ekosistema Google Cloud, se priročno integrira z Google Cloud Storage, Cloud Functions in drugimi storitvami GCP, da tvori popolne brezstrežni tokove. V svojem jedru API Vision opravlja več različnih vrst analize. Ponujata robustna optična prepoznavanje znakov (OCR), ki izkopuje tiskani in ročno pisani tekst iz slik. Prav tako lahko prepozna širše kategorije predmetov preko označevanja slik, najde znane znamenitosti in logotipe blagovnih znamk, zazna obraze (vključno z osnovnimi čustvenimi stanjami, vendar ne prepoznavo posameznih oseb), in analizira lastnosti slike, kot so dominanten barve. Za varnost platforme funkcija Safe Search označuje eksplicitne vsebine, vključno z odraslimi, nasilnimi ali medicinskimi slikami, da pomaga pri moderaciji vsebin. Zaradi visoko zmogljivosti pri splošnih nalogah bi razvijalci morali razlikovati Vision API od drugih specializiranih ponudb v katalogu Googlea. Na primer, organizacije, ki obdelujejo kompleksne dokumente z hierarhičnimi polji, bi se morale obrniti na Document AI, ki združuje vizijo z obdelavo naravnega jezika. Tudi ti, ki zahtevajo časovno analizo gibanja, bi morali uporabiti Video Intelligence API, medtem ko so ustvarjalne naloge, kot je sinteza slik, usmerjene preko Imagen na Gemini Enterprise. Ključna prednost Google Cloud Vision API-ja je njegova ogromna razširljivost in zanesljivost, podprta z globalno infrastrukturo Googlea. Vendar pa je opazna omejitev njegove prednaučenosti in statičnosti; razvijalci ne morejo enostavno prilagoditi osnovnih modelov za izredno specializirane ali nišne klasifikacije domen brez prehoda na prilagojene ML platforme. Poleg tega, ker se stroški računajo po funkciji na sliko, se strukture stroškov lahko zaplečijo pri velikih količinah, ko hkrati zahtevate več vrst zaznav.