本頁面由 Cloud Translation API 翻譯而成。

目標檢測和跟踪

借助 ML Kit 的設備上對象檢測和跟踪 API，您可以實時定位和跟踪圖像或實時攝像頭饋送中最突出的對象。您還可以選擇將檢測到的對象分類為幾個常規類別之一。

粗分類的對象檢測和跟踪對於構建實時視覺搜索體驗很有用。因為對象檢測和跟踪在設備上快速而完整地發生，所以它可以很好地作為更長的視覺搜索管道的前端。檢測和過濾對像後，您可以將它們傳遞到雲後端，例如Cloud Vision Product Search或自定義模型，例如您使用AutoML Vision Edge訓練的模型。

iOS 安卓

關鍵能力

快速目標檢測和跟踪	檢測對象並獲取它們在圖像中的位置。跨圖像跟踪對象。
優化的設備端模型	對象檢測和跟踪模型針對移動設備進行了優化，旨在用於實時應用程序，即使在低端設備上也是如此。
突出物體檢測	自動確定圖像中最突出的對象。
粗分類	將對象分類為廣泛的類別，您可以使用這些類別過濾掉您不感興趣的對象。支持以下類別：家居用品、時尚商品、食品、植物、地點和未知。

示例結果

跨圖像跟踪最突出的對象

跟踪號碼	0
界限	(95, 45), (496, 45), (496, 240), (95, 240)
類別	地方
分類置信度	0.9296875

跟踪號碼	0
界限	(84, 46), (478, 46), (478, 247), (84, 247)
類別	地方
分類置信度	0.8710938

跟踪號碼	0
界限	(53, 45), (519, 45), (519, 240), (53, 240)
類別	地方
分類置信度	0.8828125

照片：克里斯蒂安·費雷爾 [CC BY-SA 4.0]

靜態圖像中的多個對象

對象 0
界限	(1, 97), (332, 97), (332, 332), (1, 332)
類別	FASHION_GOOD
分類置信度	0.95703125
對象 1
界限	(186, 80), (337, 80), (337, 226), (186, 226)
類別	FASHION_GOOD
分類置信度	0.84375
對象 2
界限	(296, 80), (472, 80), (472, 388), (296, 388)
類別	FASHION_GOOD
分類置信度	0.94921875
對象 3
界限	(439, 83), (615, 83), (615, 306), (439, 306)
類別	FASHION_GOOD
分類置信度	0.9375