carloskaya/imagecar-ai

镜像概述

本镜像是一个基于.Net 6和ML.NET开发的API服务，核心功能是通过训练好的机器学习模型分析输入图像，判断其是否为屏幕或显示器拍摄的照片，从而帮助验证照片的真实性。

核心功能与特性

• POST接口支持：提供名为"predict"的POST方法，专门用于图像分析
• 输入参数：接收图像URL作为输入（如："[***]"）
• 训练模型：当前版本模型已使用6000张图像进行训练，具备屏幕拍摄识别能力
• 技术架构：基于ML.NET机器学习框架构建，确保高效的图像分类处理

使用场景与适用范围

• 数字内容审核：验证用户上传图像是否为原始拍摄还是屏幕二次拍摄
• 图像真实性验证：区分真实场景照片与屏幕截图/拍摄的照片
• 内容版权保护：辅助判断图像是否经过非授权的屏幕录制或拍摄

使用方法与配置说明

API调用说明

请求规范

• 端点：/predict
• 方法：POST
• 请求体格式：JSON
• 参数说明：
  • imageUrl：必填，字符串类型，待分析图像的公开可访问URL

请求示例

json
{
  "imageUrl": "https://example.com/sample-image.jpg"
}

响应说明

• 响应格式：JSON
• 返回字段：
  • isScreenPhoto：布尔值，true表示是屏幕拍摄，false表示不是
  • confidence：浮点数，模型判断的置信度（范围0-1）

响应示例

json
{
  "isScreenPhoto": true,
  "confidence": 0.92
}

Docker部署示例

基本运行命令

bash
docker run -d -p 80:80 --name screen-photo-api [镜像名称]

• -p 80:80：将容器80端口映射到主机80端口
• --name：指定容器名称为screen-photo-api

测试调用

使用curl测试API：

bash
curl -X POST http://localhost/predict \
  -H "Content-Type: application/json" \
  -d '{"imageUrl": "https://example.com/test-image.jpg"}'

注意事项

• 确保输入的图像URL可公开访问，API需要能够正常获取图像内容
• 模型性能基于6000张图像训练，对于特殊场景可能存在误判，建议结合实际业务场景验证
• 如需提高识别准确率，可考虑提供更多标注数据用于模型优化