这篇文章分享一下IBM公司出品的云服务:Visual Recognization.
1.首先申请一个账号，IBM的账号，入口：https://console.bluemix.net/dashboard/apps
注册完成之后，选择目录，然后你才可以如下图所示的功能：
我们只使用AI下的Visual Recognization功能，来识别图片，如下图所示：
2.点Visual Recognization进去，创建一个服务，如下图所示：
3.点击创建，就创建好一个服务，如下图所示：
4.点击红圈的内容，查看我们的服务凭证，如下图所示：
5.apikkey对应的值是我们接下来用到的，其他可以暂时忽略，那么我们怎么进行图片识别呢？IBM给我们提供了一些demo，如果你已经注册好账户就可以点击这个：https://console.bluemix.net/dashboard/apps，如下图所示：
可以点击示例图片，可以自己拖拽本地图片，最右侧会有很多参数，0-1之间取值，越接近于1，说明越符合这个系数的特征。
6.demo很浅显易懂，接下来说一下API的调用，如下：
https://www.ibm.com/watson/developercloud/visual-recognition/api/v3/curl.html?curl
网页是全英文的，如果阅读起来费劲，可以使用Chrome浏览器，翻译网页，会增加你的阅读速度。
如上图所示，有三种语言和curl(可能是IBM的某种工具方式)，这里只采用Java.
7.因为我使用的Android studio开发工具，其他语言开发工具应该类似，在Android studio的gradle里面添加库：compile 'com.ibm.watson.developer_cloud:java-sdk:6.3.1',compile这个关键字在有的studio版本可能会报错，如果报错，使用这个： implementation 'com.ibm.watson.developer_cloud:java-sdk:6.2.0'
这里我们会用到{iam_api_key}和{version}，{iam_api_key}就是上文我们提到apikey，{version}对应的就是2018-03-19，需要注意的是不要加{，正确形式是"2018-03-19"，apikey同样如此。
9.一般图像识别：
示例请求：
IamOptions options = new IamOptions.Builder().apiKey("{iam_api_key}")
VisualRecognition service = new VisualRecognition("2018-03-19", options);
InputStream imagesStream = new FileInputStream("./fruitbowl.jpg");
ClassifyOptions classifyOptions = new ClassifyOptions.Builder()
.imagesFile(imagesStream)
.imagesFilename("fruitbowl.jpg")
.classifierIds(Arrays.asList("default"))
.threshold((float) 0.6)
.owners(Arrays.asList("me"))
.build();
ClassifiedImages result = service.classify(classifyOptions).execute();
System.out.println(result);
这个地方：.classifierIds(Arrays.asList("default"))，传入的是classifier_id，即分类器的id（下面会讲到自动定义分类器），默认传default。API调用成功后，会返回给我一串json,如下图所示：
10.重点说下自定义分类器
10-1.创建分类器，示例请求：
IamOptions options = new IamOptions.Builder().apiKey("{iam_api_key}")
VisualRecognition service = new VisualRecognition("2018-03-19", options);
CreateClassifierOptions createClassifierOptions = new CreateClassifierOptions.Builder()
.name("dogs")
.addClass("beagle", new File("./beagle.zip"))
.addClass("goldenretriever",new File("./golden-retriever.zip"))
.addClass("husky", new File("./husky.zip"))
.negativeExamples(new File("./cats.zip"))
.build();
Classifier dogs = service.createClassifier(createClassifierOptions).execute();
System.out.println(dogs)
这里需要注意的是，在上传的图像数据上训练新的多面分类器。使用正面或负面示例创建自定义分类器。包括至少两组示例，两个正面示例文件或一个正面和一个负面文件。每次通话最多可以上传256 MB。
10-2 创建好分类器，我们需要查询一下分类器的classifier_id，示例请求如下：
IamOptions options = new IamOptions.Builder().apiKey("{iam_api_key}")
VisualRecognition service = new VisualRecognition("2018-03-19", options);
ListClassifiersOptions listClassifiersOptions = new ListClassifiersOptions.Builder()
.verbose(true)
.build();
Classifiers classifiers = service.listClassifiers(listClassifiersOptions).execute();
System.out.println(classifiers);
API会给我返回如下的json如下：
上文中提到用classifier_id，在分类图像的时候，就可以是用我们自定义的分类器了。
综上所述，以上罗列基本api的功能，更改姿势待你去亲自解锁：https://www.ibm.com/watson/developercloud/visual-recognition/api/v3/java.html?java#versioning
