অ্যান্ড্রয়েডে এমএল কিট দিয়ে বস্তু সনাক্ত করুন এবং ট্র্যাক করুন

এই পৃষ্ঠাটি একটি পুরানো সংস্করণ বর্ণনা করে Object Detection and Tracking API, যা Firebase এর জন্য ML Kit এর অংশ ছিল। এই API এর ডেভেলপমেন্টটি স্ট্যান্ডঅ্যালোন ML Kit SDK তে স্থানান্তরিত করা হয়েছে, যা আপনি Firebase এর সাথে বা ছাড়াই ব্যবহার করতে পারেন। আরও জানুন ।

দেখা Detect and track objects with ML Kit on Android সর্বশেষ ডকুমেন্টেশনের জন্য।

ভিডিওর ফ্রেম জুড়ে বস্তু সনাক্ত এবং ট্র্যাক করতে আপনি ML কিট ব্যবহার করতে পারেন।

When you pass ML Kit images, ML Kit returns, for each image, a list of up to five detected objects and their position in the image. When detecting objects in video streams, every object has an ID that you can use to track the object across images. You can also optionally enable coarse object classification, which labels objects with broad category descriptions.

শুরু করার আগে

1. যদি আপনি ইতিমধ্যেই না করে থাকেন, তাহলে আপনার অ্যান্ড্রয়েড প্রজেক্টে Firebase যোগ করুন ।
2. আপনার মডিউল (অ্যাপ-লেভেল) গ্র্যাডল ফাইলে (সাধারণত app/build.gradle ) ML কিট অ্যান্ড্রয়েড লাইব্রেরির জন্য নির্ভরতা যোগ করুন:

   apply plugin: 'com.android.application'
   apply plugin: 'com.google.gms.google-services'
   
   dependencies {
     // ...
   
     implementation 'com.google.firebase:firebase-ml-vision:24.0.3'
     implementation 'com.google.firebase:firebase-ml-vision-object-detection-model:19.0.6'
   }

১. অবজেক্ট ডিটেক্টর কনফিগার করুন

বস্তু সনাক্তকরণ এবং ট্র্যাকিং শুরু করতে, প্রথমে FirebaseVisionObjectDetector এর একটি উদাহরণ তৈরি করুন, ঐচ্ছিকভাবে আপনি ডিফল্ট থেকে পরিবর্তন করতে চান এমন যেকোনো ডিটেক্টর সেটিংস নির্দিষ্ট করুন।

1. আপনার ব্যবহারের ক্ষেত্রে FirebaseVisionObjectDetectorOptions অবজেক্ট দিয়ে অবজেক্ট ডিটেক্টর কনফিগার করুন। আপনি নিম্নলিখিত সেটিংস পরিবর্তন করতে পারেন:

   অবজেক্ট ডিটেক্টর সেটিংস
   সনাক্তকরণ মোড	STREAM_MODE (ডিফল্ট) | SINGLE_IMAGE_MODE STREAM_MODE (ডিফল্ট) তে, অবজেক্ট ডিটেক্টর কম ল্যাটেন্সিতে চলে, কিন্তু ডিটেক্টরের প্রথম কয়েকটি ইনভোকেশনে অসম্পূর্ণ ফলাফল (যেমন অনির্দিষ্ট বাউন্ডিং বক্স বা ক্যাটাগরি লেবেল) তৈরি করতে পারে। এছাড়াও, STREAM_MODE তে, ডিটেক্টর অবজেক্টগুলিকে ট্র্যাকিং আইডি বরাদ্দ করে, যা আপনি ফ্রেম জুড়ে অবজেক্ট ট্র্যাক করতে ব্যবহার করতে পারেন। যখন আপনি অবজেক্ট ট্র্যাক করতে চান, অথবা যখন কম ল্যাটেন্সি গুরুত্বপূর্ণ হয়, যেমন রিয়েল টাইমে ভিডিও স্ট্রিম প্রক্রিয়াকরণের সময়, তখন এই মোডটি ব্যবহার করুন। SINGLE_IMAGE_MODE তে, অবজেক্ট ডিটেক্টর একটি সনাক্তকৃত বস্তুর বাউন্ডিং বক্স এবং (যদি আপনি শনাক্তকরণ সক্ষম করে থাকেন) বিভাগ লেবেল উপলব্ধ না হওয়া পর্যন্ত অপেক্ষা করে, ফলাফল ফেরত দেওয়ার আগে। ফলস্বরূপ, সনাক্তকরণের বিলম্বিতা সম্ভবত বেশি। এছাড়াও, SINGLE_IMAGE_MODE তে, ট্র্যাকিং আইডি বরাদ্দ করা হয় না। যদি ল্যাটেন্সি গুরুত্বপূর্ণ না হয় এবং আপনি আংশিক ফলাফল মোকাবেলা করতে না চান তবে এই মোডটি ব্যবহার করুন।
   একাধিক বস্তু সনাক্ত করুন এবং ট্র্যাক করুন	false (ডিফল্ট) | true পাঁচটি অবজেক্ট পর্যন্ত সনাক্ত এবং ট্র্যাক করতে হবে নাকি শুধুমাত্র সবচেয়ে বিশিষ্ট অবজেক্ট (ডিফল্ট)।
   বস্তু শ্রেণীবদ্ধ করুন	false (ডিফল্ট) | true সনাক্ত করা বস্তুগুলিকে মোটা শ্রেণীতে শ্রেণীবদ্ধ করা হবে কিনা। সক্রিয় করা হলে, বস্তু সনাক্তকারী বস্তুগুলিকে নিম্নলিখিত শ্রেণীতে শ্রেণীবদ্ধ করে: ফ্যাশন পণ্য, খাদ্য, গৃহস্থালীর জিনিসপত্র, স্থান, গাছপালা এবং অজানা।

   অবজেক্ট ডিটেকশন এবং ট্র্যাকিং API এই দুটি মূল ব্যবহারের ক্ষেত্রে অপ্টিমাইজ করা হয়েছে:

   • ক্যামেরা ভিউফাইন্ডারে সবচেয়ে বিশিষ্ট বস্তুর লাইভ সনাক্তকরণ এবং ট্র্যাকিং
   • একটি স্থির চিত্র থেকে একাধিক বস্তু সনাক্তকরণ

   এই ব্যবহারের ক্ষেত্রে API কনফিগার করতে:

   Java

   // Live detection and tracking
   FirebaseVisionObjectDetectorOptions options =
           new FirebaseVisionObjectDetectorOptions.Builder()
                   .setDetectorMode(FirebaseVisionObjectDetectorOptions.STREAM_MODE)
                   .enableClassification()  // Optional
                   .build();
   
   // Multiple object detection in static images
   FirebaseVisionObjectDetectorOptions options =
           new FirebaseVisionObjectDetectorOptions.Builder()
                   .setDetectorMode(FirebaseVisionObjectDetectorOptions.SINGLE_IMAGE_MODE)
                   .enableMultipleObjects()
                   .enableClassification()  // Optional
                   .build();
   

   Kotlin

   // Live detection and tracking
   val options = FirebaseVisionObjectDetectorOptions.Builder()
           .setDetectorMode(FirebaseVisionObjectDetectorOptions.STREAM_MODE)
           .enableClassification()  // Optional
           .build()
   
   // Multiple object detection in static images
   val options = FirebaseVisionObjectDetectorOptions.Builder()
           .setDetectorMode(FirebaseVisionObjectDetectorOptions.SINGLE_IMAGE_MODE)
           .enableMultipleObjects()
           .enableClassification()  // Optional
           .build()
   

2. FirebaseVisionObjectDetector এর একটি উদাহরণ পান:

   Java

   FirebaseVisionObjectDetector objectDetector =
           FirebaseVision.getInstance().getOnDeviceObjectDetector();
   
   // Or, to change the default settings:
   FirebaseVisionObjectDetector objectDetector =
           FirebaseVision.getInstance().getOnDeviceObjectDetector(options);
   

   Kotlin

   val objectDetector = FirebaseVision.getInstance().getOnDeviceObjectDetector()
   
   // Or, to change the default settings:
   val objectDetector = FirebaseVision.getInstance().getOnDeviceObjectDetector(options)
   

   দ্রষ্টব্য: কনস্ট্রাক্টর দ্বারা উৎপন্ন ত্রুটির জন্য কনসোলটি পরীক্ষা করুন।

2. অবজেক্ট ডিটেক্টর চালান

বস্তু সনাক্ত এবং ট্র্যাক করতে, ছবিগুলিকে FirebaseVisionObjectDetector ইনস্ট্যান্সের processImage() পদ্ধতিতে পাস করুন।

প্রতিটি ভিডিও বা ছবির ফ্রেমের জন্য, নিম্নলিখিতগুলি করুন:

1. আপনার ছবি থেকে একটি FirebaseVisionImage অবজেক্ট তৈরি করুন।

   • একটি media.Image অবজেক্ট থেকে একটি FirebaseVisionImage অবজেক্ট তৈরি করতে, যেমন একটি ডিভাইসের ক্যামেরা থেকে একটি ছবি তোলার সময়, media.Image অবজেক্ট এবং ছবির ঘূর্ণন FirebaseVisionImage.fromMediaImage() এ পাস করুন।

     যদি আপনি CameraX লাইব্রেরি ব্যবহার করেন, তাহলে OnImageCapturedListener এবং ImageAnalysis.Analyzer ক্লাসগুলি আপনার জন্য ঘূর্ণন মান গণনা করে, তাই FirebaseVisionImage.fromMediaImage() কল করার আগে আপনাকে কেবল ঘূর্ণনটিকে ML Kit এর ROTATION_ ধ্রুবকগুলির একটিতে রূপান্তর করতে হবে:

     Java

     private class YourAnalyzer implements ImageAnalysis.Analyzer {
     
         private int degreesToFirebaseRotation(int degrees) {
             switch (degrees) {
                 case 0:
                     return FirebaseVisionImageMetadata.ROTATION_0;
                 case 90:
                     return FirebaseVisionImageMetadata.ROTATION_90;
                 case 180:
                     return FirebaseVisionImageMetadata.ROTATION_180;
                 case 270:
                     return FirebaseVisionImageMetadata.ROTATION_270;
                 default:
                     throw new IllegalArgumentException(
                             "Rotation must be 0, 90, 180, or 270.");
             }
         }
     
         @Override
         public void analyze(ImageProxy imageProxy, int degrees) {
             if (imageProxy == null || imageProxy.getImage() == null) {
                 return;
             }
             Image mediaImage = imageProxy.getImage();
             int rotation = degreesToFirebaseRotation(degrees);
             FirebaseVisionImage image =
                     FirebaseVisionImage.fromMediaImage(mediaImage, rotation);
             // Pass image to an ML Kit Vision API
             // ...
         }
     }

     Kotlin

     private class YourImageAnalyzer : ImageAnalysis.Analyzer {
         private fun degreesToFirebaseRotation(degrees: Int): Int = when(degrees) {
             0 -> FirebaseVisionImageMetadata.ROTATION_0
             90 -> FirebaseVisionImageMetadata.ROTATION_90
             180 -> FirebaseVisionImageMetadata.ROTATION_180
             270 -> FirebaseVisionImageMetadata.ROTATION_270
             else -> throw Exception("Rotation must be 0, 90, 180, or 270.")
         }
     
         override fun analyze(imageProxy: ImageProxy?, degrees: Int) {
             val mediaImage = imageProxy?.image
             val imageRotation = degreesToFirebaseRotation(degrees)
             if (mediaImage != null) {
                 val image = FirebaseVisionImage.fromMediaImage(mediaImage, imageRotation)
                 // Pass image to an ML Kit Vision API
                 // ...
             }
         }
     }

     যদি আপনি এমন কোনও ক্যামেরা লাইব্রেরি ব্যবহার না করেন যা আপনাকে ছবির ঘূর্ণন দেয়, তাহলে আপনি ডিভাইসের ঘূর্ণন এবং ডিভাইসে ক্যামেরা সেন্সরের ওরিয়েন্টেশন থেকে এটি গণনা করতে পারেন:

     Java

     private static final SparseIntArray ORIENTATIONS = new SparseIntArray();
     static {
         ORIENTATIONS.append(Surface.ROTATION_0, 90);
         ORIENTATIONS.append(Surface.ROTATION_90, 0);
         ORIENTATIONS.append(Surface.ROTATION_180, 270);
         ORIENTATIONS.append(Surface.ROTATION_270, 180);
     }
     
     /**
      * Get the angle by which an image must be rotated given the device's current
      * orientation.
      */
     @RequiresApi(api = Build.VERSION_CODES.LOLLIPOP)
     private int getRotationCompensation(String cameraId, Activity activity, Context context)
             throws CameraAccessException {
         // Get the device's current rotation relative to its "native" orientation.
         // Then, from the ORIENTATIONS table, look up the angle the image must be
         // rotated to compensate for the device's rotation.
         int deviceRotation = activity.getWindowManager().getDefaultDisplay().getRotation();
         int rotationCompensation = ORIENTATIONS.get(deviceRotation);
     
         // On most devices, the sensor orientation is 90 degrees, but for some
         // devices it is 270 degrees. For devices with a sensor orientation of
         // 270, rotate the image an additional 180 ((270 + 270) % 360) degrees.
         CameraManager cameraManager = (CameraManager) context.getSystemService(CAMERA_SERVICE);
         int sensorOrientation = cameraManager
                 .getCameraCharacteristics(cameraId)
                 .get(CameraCharacteristics.SENSOR_ORIENTATION);
         rotationCompensation = (rotationCompensation + sensorOrientation + 270) % 360;
     
         // Return the corresponding FirebaseVisionImageMetadata rotation value.
         int result;
         switch (rotationCompensation) {
             case 0:
                 result = FirebaseVisionImageMetadata.ROTATION_0;
                 break;
             case 90:
                 result = FirebaseVisionImageMetadata.ROTATION_90;
                 break;
             case 180:
                 result = FirebaseVisionImageMetadata.ROTATION_180;
                 break;
             case 270:
                 result = FirebaseVisionImageMetadata.ROTATION_270;
                 break;
             default:
                 result = FirebaseVisionImageMetadata.ROTATION_0;
                 Log.e(TAG, "Bad rotation value: " + rotationCompensation);
         }
         return result;
     }
     VisionImage.java

     Kotlin

     private val ORIENTATIONS = SparseIntArray()
     
     init {
         ORIENTATIONS.append(Surface.ROTATION_0, 90)
         ORIENTATIONS.append(Surface.ROTATION_90, 0)
         ORIENTATIONS.append(Surface.ROTATION_180, 270)
         ORIENTATIONS.append(Surface.ROTATION_270, 180)
     }
     /**
      * Get the angle by which an image must be rotated given the device's current
      * orientation.
      */
     @RequiresApi(api = Build.VERSION_CODES.LOLLIPOP)
     @Throws(CameraAccessException::class)
     private fun getRotationCompensation(cameraId: String, activity: Activity, context: Context): Int {
         // Get the device's current rotation relative to its "native" orientation.
         // Then, from the ORIENTATIONS table, look up the angle the image must be
         // rotated to compensate for the device's rotation.
         val deviceRotation = activity.windowManager.defaultDisplay.rotation
         var rotationCompensation = ORIENTATIONS.get(deviceRotation)
     
         // On most devices, the sensor orientation is 90 degrees, but for some
         // devices it is 270 degrees. For devices with a sensor orientation of
         // 270, rotate the image an additional 180 ((270 + 270) % 360) degrees.
         val cameraManager = context.getSystemService(CAMERA_SERVICE) as CameraManager
         val sensorOrientation = cameraManager
                 .getCameraCharacteristics(cameraId)
                 .get(CameraCharacteristics.SENSOR_ORIENTATION)!!
         rotationCompensation = (rotationCompensation + sensorOrientation + 270) % 360
     
         // Return the corresponding FirebaseVisionImageMetadata rotation value.
         val result: Int
         when (rotationCompensation) {
             0 -> result = FirebaseVisionImageMetadata.ROTATION_0
             90 -> result = FirebaseVisionImageMetadata.ROTATION_90
             180 -> result = FirebaseVisionImageMetadata.ROTATION_180
             270 -> result = FirebaseVisionImageMetadata.ROTATION_270
             else -> {
                 result = FirebaseVisionImageMetadata.ROTATION_0
                 Log.e(TAG, "Bad rotation value: $rotationCompensation")
             }
         }
         return result
     }
     VisionImage.kt

     তারপর, media.Image অবজেক্ট এবং ঘূর্ণন মানটি FirebaseVisionImage.fromMediaImage() এ পাস করুন:

     Java

     FirebaseVisionImage image = FirebaseVisionImage.fromMediaImage(mediaImage, rotation);
     VisionImage.java

     Kotlin

     val image = FirebaseVisionImage.fromMediaImage(mediaImage, rotation)
     VisionImage.kt

   • একটি ফাইল URI থেকে একটি FirebaseVisionImage অবজেক্ট তৈরি করতে, অ্যাপের প্রসঙ্গটি পাস করুন এবং URI ফাইলটি FirebaseVisionImage.fromFilePath() এ দিন। ব্যবহারকারীকে তাদের গ্যালারি অ্যাপ থেকে একটি ছবি নির্বাচন করতে অনুরোধ করার জন্য ACTION_GET_CONTENT ইন্টেন্ট ব্যবহার করলে এটি কার্যকর।

     Java

     FirebaseVisionImage image;
     try {
         image = FirebaseVisionImage.fromFilePath(context, uri);
     } catch (IOException e) {
         e.printStackTrace();
     }
     VisionImage.java

     Kotlin

     val image: FirebaseVisionImage
     try {
         image = FirebaseVisionImage.fromFilePath(context, uri)
     } catch (e: IOException) {
         e.printStackTrace()
     }
     VisionImage.kt

   • ByteBuffer অথবা বাইট অ্যারে থেকে FirebaseVisionImage অবজেক্ট তৈরি করতে, প্রথমে media.Image ইনপুটের জন্য উপরে বর্ণিত চিত্র ঘূর্ণন গণনা করুন।

     তারপর, একটি FirebaseVisionImageMetadata অবজেক্ট তৈরি করুন যাতে ছবির উচ্চতা, প্রস্থ, রঙ এনকোডিং ফর্ম্যাট এবং ঘূর্ণন থাকে:

     Java

     FirebaseVisionImageMetadata metadata = new FirebaseVisionImageMetadata.Builder()
             .setWidth(480)   // 480x360 is typically sufficient for
             .setHeight(360)  // image recognition
             .setFormat(FirebaseVisionImageMetadata.IMAGE_FORMAT_NV21)
             .setRotation(rotation)
             .build();
     VisionImage.java

     Kotlin

     val metadata = FirebaseVisionImageMetadata.Builder()
             .setWidth(480) // 480x360 is typically sufficient for
             .setHeight(360) // image recognition
             .setFormat(FirebaseVisionImageMetadata.IMAGE_FORMAT_NV21)
             .setRotation(rotation)
             .build()
     VisionImage.kt

     FirebaseVisionImage অবজেক্ট তৈরি করতে বাফার বা অ্যারে এবং মেটাডেটা অবজেক্ট ব্যবহার করুন:

     Java

     FirebaseVisionImage image = FirebaseVisionImage.fromByteBuffer(buffer, metadata);
     // Or: FirebaseVisionImage image = FirebaseVisionImage.fromByteArray(byteArray, metadata);
     VisionImage.java

     Kotlin

     val image = FirebaseVisionImage.fromByteBuffer(buffer, metadata)
     // Or: val image = FirebaseVisionImage.fromByteArray(byteArray, metadata)
     VisionImage.kt

   • একটি Bitmap অবজেক্ট থেকে একটি FirebaseVisionImage অবজেক্ট তৈরি করতে:

     Java

     FirebaseVisionImage image = FirebaseVisionImage.fromBitmap(bitmap);
     VisionImage.java

     Kotlin

     val image = FirebaseVisionImage.fromBitmap(bitmap)
     VisionImage.kt

     Bitmap অবজেক্ট দ্বারা উপস্থাপিত ছবিটি অবশ্যই খাড়া হতে হবে, অতিরিক্ত ঘূর্ণনের প্রয়োজন হবে না।

2. ছবিটি processImage() পদ্ধতিতে পাস করুন:

   Java

   objectDetector.processImage(image)
           .addOnSuccessListener(
                   new OnSuccessListener<List<FirebaseVisionObject>>() {
                       @Override
                       public void onSuccess(List<FirebaseVisionObject> detectedObjects) {
                           // Task completed successfully
                           // ...
                       }
                   })
           .addOnFailureListener(
                   new OnFailureListener() {
                       @Override
                       public void onFailure(@NonNull Exception e) {
                           // Task failed with an exception
                           // ...
                       }
                   });
   

   Kotlin

   objectDetector.processImage(image)
           .addOnSuccessListener { detectedObjects ->
               // Task completed successfully
               // ...
           }
           .addOnFailureListener { e ->
               // Task failed with an exception
               // ...
           }
   

   দ্রষ্টব্য: ডিটেক্টর দ্বারা উৎপন্ন ত্রুটির জন্য কনসোলটি পরীক্ষা করুন।

3. যদি processImage() এ কলটি সফল হয়, তাহলে FirebaseVisionObject এর একটি তালিকা সফল শ্রোতার কাছে পাঠানো হয়।

   দ্রষ্টব্য: স্ট্রিমিং মোডে, ডিভাইসের পারফরম্যান্সের উপর নির্ভর করে, প্রথম বস্তুটি সনাক্ত করার আগে অবজেক্ট ডিটেক্টরকে 30 বা তার বেশি ফ্রেম প্রক্রিয়া করতে হতে পারে।

   প্রতিটি FirebaseVisionObject নিম্নলিখিত বৈশিষ্ট্যগুলি থাকে:

   বাউন্ডিং বক্স	ছবিতে বস্তুর অবস্থান নির্দেশ করে এমন একটি Rect ।
   ট্র্যাকিং আইডি	একটি পূর্ণসংখ্যা যা চিত্র জুড়ে বস্তুটিকে সনাক্ত করে। SINGLE_IMAGE_MODE-তে শূন্য।
   বিভাগ	বস্তুর মোটা শ্রেণী। যদি বস্তু সনাক্তকারীতে শ্রেণীবিভাগ সক্ষম না থাকে, তাহলে এটি সর্বদা FirebaseVisionObject.CATEGORY_UNKNOWN হবে।
   আত্মবিশ্বাস	বস্তুর শ্রেণীবিভাগের আত্মবিশ্বাসের মান। যদি বস্তু সনাক্তকারীতে শ্রেণীবিভাগ সক্ষম না থাকে, অথবা বস্তুটিকে অজানা হিসাবে শ্রেণীবদ্ধ করা হয়, তাহলে এটি null ।

   Java

   // The list of detected objects contains one item if multiple object detection wasn't enabled.
   for (FirebaseVisionObject obj : detectedObjects) {
       Integer id = obj.getTrackingId();
       Rect bounds = obj.getBoundingBox();
   
       // If classification was enabled:
       int category = obj.getClassificationCategory();
       Float confidence = obj.getClassificationConfidence();
   }
   

   Kotlin

   // The list of detected objects contains one item if multiple object detection wasn't enabled.
   for (obj in detectedObjects) {
       val id = obj.trackingId       // A number that identifies the object across images
       val bounds = obj.boundingBox  // The object's position in the image
   
       // If classification was enabled:
       val category = obj.classificationCategory
       val confidence = obj.classificationConfidence
   }
   

Improving usability and performance

সেরা ব্যবহারকারীর অভিজ্ঞতার জন্য, আপনার অ্যাপে এই নির্দেশিকাগুলি অনুসরণ করুন:

• বস্তু সনাক্তকরণের সাফল্য বস্তুর দৃশ্যমান জটিলতার উপর নির্ভর করে। অল্প সংখ্যক দৃশ্যমান বৈশিষ্ট্যযুক্ত বস্তুগুলিকে সনাক্ত করার জন্য চিত্রের একটি বৃহত্তর অংশ দখল করতে হতে পারে। আপনি যে ধরণের বস্তু সনাক্ত করতে চান তার সাথে ভালভাবে কাজ করে এমন ইনপুট ক্যাপচার করার জন্য ব্যবহারকারীদের নির্দেশিকা প্রদান করা উচিত।
• শ্রেণীবিভাগ ব্যবহার করার সময়, যদি আপনি এমন বস্তু সনাক্ত করতে চান যা সমর্থিত বিভাগগুলিতে পরিষ্কারভাবে পড়ে না, তাহলে অজানা বস্তুর জন্য বিশেষ হ্যান্ডলিং বাস্তবায়ন করুন।

এছাড়াও, [ML Kit Material Design showcase app][showcase-link]{: .external } এবং মেশিন লার্নিং-চালিত বৈশিষ্ট্য সংগ্রহের জন্য Material Design Patterns দেখুন।

রিয়েল-টাইম অ্যাপ্লিকেশনে স্ট্রিমিং মোড ব্যবহার করার সময়, সেরা ফ্রেমরেট অর্জনের জন্য এই নির্দেশিকাগুলি অনুসরণ করুন:

• স্ট্রিমিং মোডে একাধিক বস্তু সনাক্তকরণ ব্যবহার করবেন না, কারণ বেশিরভাগ ডিভাইস পর্যাপ্ত ফ্রেমরেট তৈরি করতে সক্ষম হবে না।

• যদি আপনার প্রয়োজন না হয় তবে শ্রেণীবিভাগ অক্ষম করুন।

• থ্রটল ডিটেক্টরে কল করে। ডিটেক্টর চলাকালীন যদি একটি নতুন ভিডিও ফ্রেম পাওয়া যায়, তাহলে ফ্রেমটি ফেলে দিন।
• যদি আপনি ইনপুট ছবিতে গ্রাফিক্স ওভারলে করার জন্য ডিটেক্টরের আউটপুট ব্যবহার করেন, তাহলে প্রথমে ML Kit থেকে ফলাফলটি পান, তারপর ছবিটি রেন্ডার করুন এবং এক ধাপে ওভারলে করুন। এটি করার মাধ্যমে, আপনি প্রতিটি ইনপুট ফ্রেমের জন্য শুধুমাত্র একবার ডিসপ্লে পৃষ্ঠে রেন্ডার করবেন।

• যদি আপনি Camera2 API ব্যবহার করেন, তাহলে ImageFormat.YUV_420_888 ফর্ম্যাটে ছবি তুলুন।

  যদি আপনি পুরোনো ক্যামেরা API ব্যবহার করেন, তাহলে ImageFormat.NV21 ফর্ম্যাটে ছবি তুলুন।