Deteksi dan Pelacakan objek

Dengan API deteksi dan pelacakan objek di perangkat pada ML Kit, Anda dapat melokalkan dan melacak secara real time objek yang paling menonjol dalam gambar atau feed kamera live. Secara opsional, Anda juga dapat mengklasifikasikan objek yang terdeteksi menjadi salah satu dari beberapa kategori umum.

Deteksi dan pelacakan objek dengan klasifikasi mentah berguna untuk membangun pengalaman penelusuran visual live. Karena deteksi dan pelacakan objek terjadi dengan cepat dan menyeluruh pada perangkat, ini berfungsi dengan baik sebagai front end dari pipeline penelusuran visual yang lebih panjang. Setelah mendeteksi dan memfilter objek, Anda dapat meneruskannya ke backend cloud, seperti Penelusuran Produk Cloud Vision, atau ke model kustom, seperti yang telah Anda latih menggunakan AutoML Vision Edge.

iOS Android

Kemampuan utama

Deteksi dan pelacakan objek yang cepat Mendeteksi objek dan menemukan lokasinya di gambar. Melacak objek di banyak gambar.
Model yang dioptimalkan di perangkat Model deteksi dan pelacakan objek dioptimalkan untuk perangkat seluler dan dimaksudkan untuk digunakan dalam aplikasi real time, bahkan pada perangkat kelas bawah.
Deteksi objek yang menonjol Menentukan objek yang paling menonjol dalam suatu gambar secara otomatis.
Klasifikasi mentah Mengklasifikasikan objek ke kategori luas, yang dapat Anda gunakan untuk memfilter objek yang tidak Anda minati. Kategori berikut ini didukung: peralatan rumah tangga, barang mode, makanan, tanaman, tempat, dan hal yang tidak diketahui.

Hasil contoh

Melacak objek yang paling menonjol di antara sekumpulan gambar

ID Pelacakan 0
Batas (95, 45), (496, 45), (496, 240), (95, 240)
Kategori PLACE
Keyakinan klasifikasi 0,9296875
ID Pelacakan 0
Batas (84, 46), (478, 46), (478, 247), (84, 247)
Kategori PLACE
Keyakinan klasifikasi 0,8710938
ID Pelacakan 0
Batas (53, 45), (519, 45), (519, 240), (53, 240)
Kategori PLACE
Keyakinan klasifikasi 0,8828125

Foto: Christian Ferrer [CC BY-SA 4.0]

Banyak objek dalam gambar statis

Objek 0
Batas (1, 97), (332, 97), (332, 332), (1, 332)
Kategori FASHION_GOOD
Keyakinan klasifikasi 0,95703125
Objek 1
Batas (186, 80), (337, 80), (337, 226), (186, 226)
Kategori FASHION_GOOD
Keyakinan klasifikasi 0,84375
Objek 2
Batas (296, 80), (472, 80), (472, 388), (296, 388)
Kategori FASHION_GOOD
Keyakinan klasifikasi 0,94921875
Objek 3
Batas (439, 83), (615, 83), (615, 306), (439, 306)
Kategori FASHION_GOOD
Keyakinan klasifikasi 0,9375