Résumez cet article avec :
- La détection de points de repère est une technique utilisée en vision par ordinateur pour identifier et localiser des structures ou des caractéristiques spécifiques et connues dans une image ou une vidéo.
- La première étape pour utiliser Landmark Detection consiste à configurer Axios, un client HTTP basé sur des promesses pour le navigateur et Node.js, qui vous permettra d'appeler l'API Eden AI.
- Maintenant que vous avez initialisé les modules JavaScript requis et obtenu votre clé API, vous serez en mesure de détecter des points de repère dans les images.
- Nous proposons une API unifiée pour tous les fournisseurs : simple et standard à utiliser, avec un changement rapide d'un fournisseur à l'autre et un accès aux fonctionnalités spécifiques de chaque fournisseur.
Dans ce tutoriel, vous allez apprendre à utiliser l'API Landmark Detection en 5 minutes à l'aide de JavaScript. Eden AI fournit une API simple et conviviale pour les développeurs qui vous permet de détecter des points de repère sur les images.
Qu'est-ce que Détection de points de repère ?
La détection de points de repère est une technique utilisée en vision par ordinateur pour identifier et localiser des structures ou des caractéristiques spécifiques et connues dans une image ou une vidéo. Cela peut inclure des bâtiments, des monuments, des caractéristiques naturelles et d'autres objets distinctifs.

La sortie d'un système de détection de points de repère peut inclure l'emplacement et la forme des points de repère détectés, ainsi qu'un score de confiance indiquant la probabilité que la détection soit correcte. La détection des points de repère est utilisée dans diverses applications, notamment la robotique, la réalité augmentée et les voitures autonomes.
Démarrez avec l'API Landmark Detection à l'aide de JavaScript
La première étape pour utiliser Landmark Detection consiste à configurer Axios, un client HTTP basé sur des promesses pour le navigateur et Node.js, qui vous permettra d'appeler l'API Eden AI.
.png)
Ensuite, vous devez initialiser le module Système de fichiers pour accéder aux fichiers locaux de votre ordinateur.
.png)
Enfin, vous devrez créer votre formulaire de paramètres multipart/formdata :

Comment utiliser l'API Landmark Detection avec JavaScript
1. Obtenez une clé API Landmark Detection sur Eden AI
Pour effectuer la détection des points de repère, vous devez créer un compte sur Eden AI gratuitement. Ensuite, vous pourrez obtenir votre Clé API directement depuis la page d'accueil avec des crédits gratuits offerts par Eden AI.
2. Détectons les points de repère dans vos images
Maintenant que vous avez initialisé les modules JavaScript requis et obtenu votre clé API, vous serez en mesure de détecter des points de repère dans les images. Avec Eden AI, vous pouvez choisir parmi une large gamme de moteurs différents pour la détection des points de repère. Vous pouvez accéder aux fournisseurs de Landmark Detection disponibles sur Eden AI sur notre documentation ici.
Voici le code JavaScript permettant d'ajouter votre image au formulaire et de préparer son envoi à Eden AI, qui renvoie un file_id :
form.append("file", fs.createReadStream("path/to/your/image.png"));
const headers = { authorization: "Bearer <your_api_key>" };
// Step 1: upload the local file, Eden AI returns a file_id
const upload = {
method: "POST",
url: "https://api.edenai.run/v3/upload",
headers: { ...headers, ...form.getHeaders() },
data: form,
};
La détection de points de repère passe désormais par un LLM de vision : l'image envoyée est transmise à l'endpoint chat completions avec une question sur le monument qu'elle montre. Le modèle est indiqué dans le paramètre model (provider/model), ici GPT-4.1 mini d'OpenAI. Pour en essayer un autre, il suffit de changer cette valeur :
// Step 2: ask a vision model to identify the landmark in the uploaded image
const options = (fileId) => ({
method: "POST",
url: "https://api.edenai.run/v3/chat/completions",
headers: headers,
data: {
model: "openai/gpt-4.1-mini", // or google/gemini-2.5-flash, anthropic/claude-haiku-latest...
messages: [
{
role: "user",
content: [
{ type: "text", text: "Which landmark is shown in this image? Give its name, city, country and approximate GPS coordinates." },
{ type: "file", file: { file_id: fileId } },
],
},
],
},
});
Ensuite, il vous suffit de lancer la requête et d'imprimer le résultat :
axios
.request(upload)
.then((res) => axios.request(options(res.data.file_id)))
.then((response) => {
console.log(response.data.choices[0].message.content);
console.log("cost:", response.data.cost);
})
.catch((error) => {
console.error(error.response ? error.response.data : error.message);
});
Voici un exemple de réponse de l'API Landmark Detection :
The landmark shown in the image is the Eiffel Tower.
- Name: Eiffel Tower
- City: Paris
- Country: France
- Approximate GPS coordinates: 48.8584° N, 2.2945° E
cost: 0.0002156
Avantages de l'utilisation de l'API Landmark Detection avec Eden AI
L'utilisation de Landmark Detection avec l'API Eden AI est simple et rapide.
.gif)
Économisez du temps et de l'argent
Nous proposons une API unifiée pour tous les fournisseurs : simple et standard à utiliser, avec un changement rapide d'un fournisseur à l'autre et un accès aux fonctionnalités spécifiques de chaque fournisseur.
Facile à intégrer
Le format de sortie JSON est le même pour tous les fournisseurs grâce au travail de standardisation d'Eden AI. Les éléments de réponse sont également standardisés grâce aux puissants algorithmes de correspondance d'Eden AI.
Personnalisation
Avec Eden AI, vous avez la possibilité d'intégrer une plateforme tierce : nous pouvons développer rapidement des connecteurs. Pour aller plus loin et personnaliser votre demande de détection de points de repère avec des paramètres spécifiques, consultez notre documentation.
.png)

