Sử dụng bộ sưu tập để sắp xếp ngăn nắp các trang
Lưu và phân loại nội dung dựa trên lựa chọn ưu tiên của bạn.
Phát hiện và theo dõi đối tượng
plat_iosplat_android
Nhờ API theo dõi và phát hiện đối tượng trên thiết bị của Bộ công cụ học máy, bạn có thể bản địa hoá
và theo dõi các đối tượng nổi bật nhất trong một hình ảnh hoặc camera trực tiếp theo thời gian thực
nguồn cấp dữ liệu. Bạn cũng có thể tuỳ ý phân loại các đối tượng được phát hiện thành một trong số
các danh mục chung.
Tính năng phát hiện và theo dõi đối tượng bằng phương pháp phân loại tương đối rất hữu ích cho việc xây dựng
trải nghiệm tìm kiếm bằng hình ảnh trực tiếp. Vì tính năng phát hiện và theo dõi đối tượng diễn ra
một cách nhanh chóng và hoàn toàn trên thiết bị, nó hoạt động tốt như giao diện người dùng của
kênh tìm kiếm trực quan. Sau khi phát hiện và lọc đối tượng, bạn có thể truyền các đối tượng đó
sang một phần phụ trợ đám mây, chẳng hạn như Cloud Vision Product Search,
hoặc mô hình tuỳ chỉnh, chẳng hạn như mô hình bạn đã đào tạo bằng
AutoML Vision Edge.
Phát hiện vật thể và biết vị trí của chúng trong hình ảnh. Theo dõi đối tượng trên
hình ảnh.
Mẫu trên thiết bị được tối ưu hoá
Mô hình phát hiện và theo dõi đối tượng được tối ưu hoá cho thiết bị di động
và dành để sử dụng trong các ứng dụng theo thời gian thực, thậm chí trên các phân khúc máy tính
thiết bị.
Phát hiện đối tượng nổi bật
Tự động xác định đối tượng nổi bật nhất trong hình ảnh.
Phân loại tương đối
Phân loại các đối tượng thành các danh mục mở rộng mà bạn có thể dùng để lọc ra
các đối tượng bạn không quan tâm. Các danh mục sau được hỗ trợ:
hàng gia dụng, hàng thời trang, thực phẩm, cây cối, địa điểm và không rõ nguồn gốc.
[null,null,["Cập nhật lần gần đây nhất: 2025-07-25 UTC."],[],[],null,["Object Detection and Tracking \nplat_ios plat_android \n\nWith ML Kit's on-device object detection and tracking API, you can localize\nand track in real time the most prominent objects in an image or live camera\nfeed. You can also optionally classify detected objects into one of several\ngeneral categories.\n\nObject detection and tracking with coarse classification is useful for building\nlive visual search experiences. Because object detection and tracking happens\nquickly and completely on the device, it works well as the front end of a longer\nvisual search pipeline. After you detect and filter objects, you can pass them\nto a cloud backend, such as [Cloud Vision Product Search](https://cloud.google.com/vision/product-search/docs/),\nor to a custom model, such as one you trained using\n[AutoML Vision Edge](/docs/ml-kit/automl-vision-edge).\n\n[iOS](/docs/ml-kit/ios/detect-objects)\n[Android](/docs/ml-kit/android/detect-objects)\n| This is a beta release of ML Kit for Firebase. This API might be changed in backward-incompatible ways and is not subject to any SLA or deprecation policy.\n\nKey capabilities\n\n|------------------------------------|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| Fast object detection and tracking | Detect objects and get their location in the image. Track objects across images. |\n| Optimized on-device model | The object detection and tracking model is optimized for mobile devices and intended for use in real-time applications, even on lower-end devices. |\n| Prominent object detection | Automatically determine the most prominent object in an image. |\n| Coarse classification | Classify objects into broad categories, which you can use to filter out objects you're not interested in. The following categories are supported: home goods, fashion goods, food, plants, places, and unknown. |\n\nExample results\n\nTracking the most prominent object across images\n\n|---|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| | |---------------------------|--------------------------------------------| | Tracking ID | 0 | | Bounds | (95, 45), (496, 45), (496, 240), (95, 240) | | Category | PLACE | | Classification confidence | 0.9296875 | |\n| | |---------------------------|--------------------------------------------| | Tracking ID | 0 | | Bounds | (84, 46), (478, 46), (478, 247), (84, 247) | | Category | PLACE | | Classification confidence | 0.8710938 | |\n| | |---------------------------|--------------------------------------------| | Tracking ID | 0 | | Bounds | (53, 45), (519, 45), (519, 240), (53, 240) | | Category | PLACE | | Classification confidence | 0.8828125 | |\n\nPhoto: Christian Ferrer \\[CC BY-SA 4.0\\]\n\nMultiple objects in a static image\n\n| Object 0 ||\n|---------------------------|----------------------------------------------|\n| Bounds | (1, 97), (332, 97), (332, 332), (1, 332) |\n| Category | FASHION_GOOD |\n| Classification confidence | 0.95703125 |\n| Bounds | (186, 80), (337, 80), (337, 226), (186, 226) |\n| Category | FASHION_GOOD |\n| Classification confidence | 0.84375 |\n| Bounds | (296, 80), (472, 80), (472, 388), (296, 388) |\n| Category | FASHION_GOOD |\n| Classification confidence | 0.94921875 |\n| Bounds | (439, 83), (615, 83), (615, 306), (439, 306) |\n| Category | FASHION_GOOD |\n| Classification confidence | 0.9375 |"]]
