Firebase 機器學習套件

在您的應用程序中使用機器學習來解決實際問題。

ML Kit 是一個移動 SDK,它通過一個功能強大且易於使用的軟件包將 Google 的機器學習專業知識帶入 Android 和 iOS 應用程序。無論您是機器學習新手還是經驗豐富的人,只需幾行代碼即可實現所需的功能。無需深入了解神經網絡或模型優化即可開始使用。另一方面,如果您是經驗豐富的 ML 開發人員,ML Kit 提供了方便的 API,可幫助您在移動應用程序中使用自定義 TensorFlow Lite 模型。

關鍵能力

為常見用例做好生產準備

ML Kit 附帶一組用於常見移動用例的即用型 API:識別文本、檢測面部、識別地標、掃描條形碼、標記圖像和識別文本語言。只需將數據傳遞到 ML Kit 庫,它就會為您提供所需的信息。

在設備上或云端

ML Kit 的 API 選擇在設備上或云端運行。我們的設備端 API 可以快速處理您的數據,即使在沒有網絡連接的情況下也能正常工作。另一方面,我們基於雲的 API 利用 Google Cloud 機器學習技術的強大功能為您提供更高級別的準確性。

部署自定義模型

如果 ML Kit 的 API 不涵蓋您的用例,您可以隨時使用自己現有的 TensorFlow Lite 模型。只需將您的模型上傳到 Firebase,我們就會負責託管並將其提供給您的應用。 ML Kit 充當自定義模型的 API 層,使其更易於運行和使用。

它是如何工作的?

ML Kit 將 Google 的 ML 技術(例如Google Cloud Vision APITensorFlow LiteAndroid 神經網絡 API )整合到一個 SDK 中,從而可以輕鬆地將 ML 技術應用到您的應用程序中。無論您需要基於雲的處理能力、移動優化的設備上模型的實時功能,還是自定義 TensorFlow Lite 模型的靈活性,ML Kit 只需幾行代碼即可實現。

設備或云端有哪些功能可用?

特徵設備上
文字識別
人臉檢測
條碼掃描
圖像標註
目標檢測和跟踪
地標識別
語言識別
翻譯
智能回复
AutoML 模型推理
自定義模型推斷

實施路徑

集成 SDK使用 Gradle 或 CocoaPods 快速包含 SDK。
準備輸入數據例如,如果您使用視覺功能,從相機捕獲圖像並生成必要的元數據,例如圖像旋轉,或提示用戶從他們的圖庫中選擇照片。
將 ML 模型應用於您的數據通過將 ML 模型應用於您的數據,您可以生成洞察力,例如檢測到的面部的情緒狀態或圖像中識別的對象和概念,具體取決於您使用的功能。使用這些見解來增強應用程序中的功能,例如照片修飾、自動元數據生成或您能想像到的任​​何其他功能。

下一步