ML Kit dla Firebase

ML Kit dla Firebase

Używaj w swoich aplikacjach systemów uczących się, aby rozwiązywać rzeczywiste problemy.

Na tej stronie opisujemy starszą wersję tego pakietu SDK o nazwie ML Kit dla Firebase. Funkcje tego pakietu SDK zostały podzielone na:

• Firebase ML, który obejmuje wszystkie funkcje systemów uczących się działające w chmurze Firebase.
• ML Kit – samodzielna biblioteka dla ML na urządzeniu, której możesz używać z Firebase lub bez.

ML Kit to mobilny pakiet SDK, który udostępnia doświadczenie Google w dziedzinie systemów uczących się w aplikacjach na Androida i iOS w zaawansowanym i łatwym w obsłudze pakiecie. Niezależnie od tego, czy masz doświadczenie z systemami uczącymi się, możesz wdrożyć potrzebne funkcje za pomocą kilku linijek kodu. Nie trzeba mieć dogłębnej wiedzy o sieciach neuronowych ani optymalizacji modeli. Z drugiej strony, jeśli jesteś doświadczonym programistą ML, narzędzie ML Kit zapewnia wygodne interfejsy API, które pomagają używać niestandardowych modeli TensorFlow Lite w aplikacjach mobilnych.

To jest wersja beta ML Kit dla Firebase. Ten interfejs API może ulec zmianie w sposób niezapewniający wstecznej kompatybilności. Nie podlega żadnej gwarancji jakości usług ani żadnym zasadom wycofywania.

Najważniejsze funkcje

Gotowość do wdrożenia w typowych przypadkach użycia	ML Kit zawiera zestaw gotowych do użycia interfejsów API do typowych zastosowań na urządzeniach mobilnych: rozpoznawania tekstu, rozpoznawania twarzy, rozpoznawania punktów orientacyjnych, skanowania kodów kreskowych, oznaczania obrazów etykietami i identyfikowania języka tekstu. Wystarczy, że prześlesz dane do biblioteki ML Kit, aby uzyskać potrzebne informacje.
Na urządzeniu lub w chmurze	Wybrane przez ML Kit interfejsy API, które działają na urządzeniu lub w chmurze. Nasze interfejsy API działające na urządzeniu mogą szybko przetwarzać dane i działać nawet bez połączenia sieciowego. Z kolei nasze interfejsy API działające w chmurze wykorzystują możliwości technologii systemów uczących się Google Cloud, aby zapewnić jeszcze wyższy poziom dokładności.
Wdrażanie modeli niestandardowych	Jeśli interfejsy API ML Kit nie obejmują Twoich przypadków użycia, zawsze możesz zastosować własne istniejące modele TensorFlow Lite. Wystarczy, że prześlesz model do Firebase, a my zajmiemy się jego hostingiem oraz udostępnianiem w Twojej aplikacji. ML Kit działa jak warstwa interfejsu API Twojego modelu niestandardowego, co ułatwia jego uruchamianie i używanie.

Jak to działa?

ML Kit ułatwia stosowanie technik ML w aplikacjach dzięki połączeniu technologii ML Google, takich jak Google Cloud Vision API, TensorFlow Lite i Android Neural Networks API w jednym pakiecie SDK. Niezależnie od tego, czy potrzebujesz mocy przetwarzania w chmurze, możliwości w czasie rzeczywistym w przypadku modeli zoptymalizowanych pod kątem urządzeń mobilnych czy elastyczności niestandardowych modeli TensorFlow Lite, ML Kit umożliwia Ci to za pomocą kilku linijek kodu.

Jakie funkcje są dostępne na urządzeniu lub w chmurze?

Cecha	Na urządzeniu	Google Cloud
Rozpoznawanie tekstu
Wykrywanie twarzy
Skanowanie kodów kreskowych
Oznaczanie obrazów etykietami
Wykrywanie i śledzenie obiektów
Rozpoznawanie punktów orientacyjnych
Identyfikacja języka
Tłumaczenie
Inteligentna odpowiedź
Wnioskowanie modelu AutoML
Wnioskowanie na podstawie modelu niestandardowego

Korzystanie z pakietu ML Kit do uzyskiwania dostępu do funkcji Cloud ML podlega Umowie licencyjnej Google Cloud Platform i Szczegółowym warunkom korzystania z usługi oraz jest odpowiednio rozliczane. Informacje rozliczeniowe znajdziesz na stronie Ceny Firebase.

Ścieżka implementacji

	Integracja pakietu SDK	Możesz szybko dodać pakiet SDK za pomocą Gradle lub CocoaPods.
	Przygotowywanie danych wejściowych	Jeśli na przykład korzystasz z funkcji rozpoznawania obrazów, zrób zdjęcie aparatem i wygeneruj niezbędne metadane, takie jak obrót obrazu, lub poproś użytkownika o wybranie zdjęcia ze swojej galerii.
	Stosowanie modelu ML do danych	Zastosowanie modelu ML do danych generuje obserwacje takie jak stan emocjonalny wykrytych twarzy lub obiekty i koncepcje rozpoznane na obrazie (w zależności od użytej funkcji). Wykorzystaj te statystyki do ulepszania funkcji aplikacji, takich jak ozdabianie zdjęć, automatyczne generowanie metadanych i wiele innych rzeczy.

Dalsze kroki

• Poznaj gotowe do użycia interfejsy API: rozpoznawanie tekstu, wykrywanie twarzy, skanowanie kodów kreskowych, oznaczanie obrazów, wykrywanie i śledzenie obiektów, rozpoznawanie punktów orientacyjnych, Inteligentna odpowiedź, tłumaczenie i identyfikacja języka.
• Wytrenuj własny model oznaczania obrazów za pomocą AutoML Vision Edge.
• Dowiedz się więcej o używaniu w aplikacji modeli niestandardowych zoptymalizowanych pod kątem urządzeń mobilnych.