カロリーゼロ理論

総合ランキング:690位

AIの情報

カロリーゼロ理論

画像から何カロリーなのかを判定します

カロリーゼロ 高カロリー 低カロリー

累計:17人

累計:139人

メンバーはいません。

AIを試してみる

画像ファイルで診断してみよう!


お絵描きで診断してみよう!


Twitterアイコンで診断してみよう!

ログインして試す

※Twitterでログインします。当サービスの利用によって勝手にツイートされることはございませんので、安心してご利用ください。

AIをみんなに紹介しよう!

みんなの診断結果を見る

AIを作ってみよう!

あなたにおすすめのAI

1.たけのこの里 きのこの里の判定(15人)

たけのこの里 きのこの里の判定をします。

2.いらすとや判定マン(9人)

いらすとやのいらすとを判定します。

3.映え画像診断(3人)

映える画像かどうかAIが判定してくれると思います

4.ポケモン(5人)

初代御三家+ピカチュウを認識します

5.強そうか弱いそうか診断(16人)

ぱっと見強そうな人なのか弱そうな人なのかを診断するAIメーカー

6.あなたに似合う髪型は?(23人)

あなたに似合う髪型を診断!

7.9 type personality - エニアグラム -(15人)

エニアグラム: 9つの性格
- タイプ1: 改革する人
- タイプ2: 人を助ける人
- タイプ3: 達成する人
- タイプ4: 個性的な人
- タイプ5: 調べる人
- タイプ6: 忠実な人
- タイプ7: 熱中する人
- タイプ8: 挑戦する人
- タイプ9: 平和をもたらす人

8.偉人になれる確率(8人)

あなたの顔を判別して偉人になれるかどうかの確率を提示します

9.モブキャラ判定(58人)

モブキャラっぽいか主要キャラっぽいか

10.人物の強さを判定(22人)

人物・キャラの強さを判定します

11.愛想笑い判定システム(5人)

愛想笑いか、心から笑っているか

12.ツンデレ判定(2人)

ツンデレっ子の「ツン」か「デレ」を判定します。

13.推しのイラストから性格を診断する(32人)

推しのイラストの絵柄からあなたの性格を診断します。

14.イケメンAI(17人)

ラーメンかつけ麺かイケメンかを判定

15.ブスと美女を判断(452人)

ブスと美女を判断します

16.受け攻め判断(45人)

受けか攻めかを独断と偏見で判断します(制作者の好みに依存してます)

17.キャラクター人気度診断(7人)

キャラクターの人気度を測るAIです。

18.ファッションチェック(4人)

ファッションが「イケてる」か「ダサい」かを判定します。

19.ハンターハンター水見式(あなたはどの能力?)(10人)

水見式の写真であなたの念能力がどの系統に属しているかわかります。

20.男前判定(13人)

あなたの男前度を判定します。顔以外の画像でも判定できます

今日の人気AI

1.鬼滅の刃キャラクター診断(2134人)

あなたを「鬼滅の刃」の主要キャラクター(登場人物)に例えると誰なのかを、画像から診断します!

2.美男美女判定(788人)

美男美女度を判定。

3.イラストの絵柄から性別を推定する(616人)

イラストの絵柄が男性的な絵柄か女性的な絵柄かを判別します。

4.ブスと美女を判断(452人)

ブスと美女を判断します

5.イケメン判定システム(183人)

イケメンか否か

6.性別判定(139人)

性別を判定します

7.バストサイズ診断(117人)

胸の大きさ(カップ)を当てます

8.モブキャラ判定(58人)

モブキャラっぽいか主要キャラっぽいか

9.おっぱいスカウター(50人)

おっぱいのカップ数診断ならお任せください!上半身の写真からズバリ言い当てます!

10.受け攻め判断(45人)

受けか攻めかを独断と偏見で判断します(制作者の好みに依存してます)

おすすめ新着AI

2.膝外表面変形判定AI(12人)

膝の外表面の写真から変形性膝関節症かどうか判定します。

3.「稲」認識(実験)(50人)

田、稲、穂を認識するAI(最初のAI作成の実験)

4.坂道新加入(145人)

坂道新加入

5.うんちかカレーか(87人)

画像認識でうんちかカレーか判別します

6.ピカチュウ(40人)

ピカチュウ可愛い

7.ボックスティッシュかポケットティッシュか(57人)

ティッシュ1枚の写真を送ると、ボックスティッシュかポケットティッシュか判定します。

8.ティッシュ(206人)

ティッシュ1枚の画像を送ると、ボックスティッシュかポケットティッシュかを教えてくれます。

9.競走馬馬体(72人)

競走馬の馬体診断

10.人参ひびわれ検知(101人)

人参のひびわれと通常ものを分別できるか挑戦

APIを使う!

HTTP request

POST https://aimaker.io/image/classification/api

Query parameters

Parameters
id

integer

Required
モデルのIDを指定してください。
本モデルを使用する場合は "5643"

apikey

string

Required
APIキーを指定してください。
あなたのAPIキー: ログインして確認する

file

binary

※Required
画像ファイルを指定してください (jpg, png, 10MB以内)

base64

binary

※Required
画像をBase64形式に変換したものを指定してください (jpg, png, 10MB以内)

※上記のfile、base64のいずれかは必須となります

CURL Example

curl -X POST -F id=5643 -F apikey=$apikey -F "[email protected]/path/to/image/sample.png" "https://aimaker.io/image/classification/api"

PHP Example

$ch = curl_init();
curl_setopt_array($ch, [
    CURLOPT_URL         => "https://aimaker.io/image/classification/api",
    CURLOPT_POST        => true,
    CURLOPT_POSTFIELDS  => [
        'id' => 5643,
        'apikey' => "$apikey",
        'file' => new CURLFile("/path/to/image/sample.png"),
    ],
    CURLOPT_SSL_VERIFYPEER => false,
    CURLOPT_RETURNTRANSFER => true,
]);
$result = curl_exec($ch);
$response = json_decode($result, true);
print_r($response);
curl_close($ch);

Ruby Example

require 'rest_client'
response = RestClient::Request.execute(method: :post, url: 'https://aimaker.io/image/classification/api',
    payload: {
        'id' => 5643,
        'apikey' => 'apikey',
        'file' => File.new('/path/to/image/sample.png'),
    }
)
puts response

Python Example

import requests
response = requests.post(
    'https://aimaker.io/image/classification/api',
    data={
        'id': 5643,
        'apikey': 'apikey'
    },
    files={
        'file': open('/path/to/image/sample.png', 'rb')
    }
)
print(response.json())

Valid Response

JSON representation
{
    "state": 1,
    "url": "https://aimaker.io/sample.png",
    "labels": {
        "0": {
            "score": 0.997,
            "label": "ラベル0"
        },
        "1": {
            "score": 0.003,
            "label": "ラベル1"
        }
    }
}

Invalid Response

JSON representation
{
    "state": 0,
    "messages": [
        "不正なアクセスです。"
    ]
}

学習状況モニター

学習履歴

学習日時 accuracy loss_train loss_test モデル選択
2020-11-06 09:33:38 41% 0.325615 1.30772 選択する
2020-11-05 01:25:29 33% 0.212666 1.28121 選択する