Firebase 專用機器學習套件

在應用程式中使用機器學習技術來解決實際問題。

ML Kit 是一款行動 SDK，功能強大且容易使用，能在 Android 和 iOS 應用程式中加入 Google 的機器學習專業知識。無論您是機器學習新手或老手，只需幾行程式碼就能實作所需的功能。您不需要具備類神經網路或模型最佳化的深入瞭解，即可開始使用。另一方面，如果您是經驗豐富的機器學習開發人員，ML Kit 提供便利的 API，可協助您在行動應用程式中使用自訂 TensorFlow Lite 模型。

主要功能

可立即運用於常見用途的實際工作環境

ML Kit 隨附一組可立即使用的 API，適用於常見的行動裝置用途，包括辨識文字、偵測臉孔、識別地標、掃描條碼、為圖片加上標籤，以及辨識文字語言。只要將資料傳入 ML Kit 程式庫，即可獲得所需資訊。
在裝置上或雲端中

ML Kit 提供的一系列 API 是在裝置端或雲端執行。我們的裝置端 API 可快速處理資料，即使沒有網路連線也能運作。另一方面，我們的雲端式 API 則利用 Google Cloud 的機器學習技術來提供更高的準確率。
部署自訂模型

如果 ML Kit 的 API 不適用於您的用途，您隨時可以使用自己現有的 TensorFlow Lite 模型。只要將模型上傳至 Firebase，我們會負責託管並提供給您的應用程式。ML Kit 可做為自訂模型的 API 層，讓您更輕鬆地執行及使用。

運作原理

ML Kit 將 Google Cloud Vision API、TensorFlow Lite 和 Android Neural Networks API 等 Google 機器學習技術，整合至單一 SDK 中，方便您輕鬆將機器學習技術應用到自家應用程式中。無論是雲端式處理作業的強大威力、針對行動裝置最佳化的裝置模型即時功能，還是自訂 TensorFlow Lite 模型的靈活性，只要編寫幾行程式碼，就能透過 ML Kit 實現。

裝置上或雲端中有哪些功能？

特徵 裝置上 Cloud
文字辨識
臉部偵測
條碼掃描
為圖片加上標籤
偵測及追蹤物件
地標辨識
語言識別
翻譯
智慧回覆
AutoML 模型推論
自訂模型推論

實作路徑

整合 SDK 使用 Gradle 或 CocoaPods 快速加入 SDK。
準備輸入資料 舉例來說，如果您使用視覺功能，請從相機拍照並產生必要的中繼資料 (例如旋轉圖像)，或提示使用者從圖片庫中選取相片。
將機器學習模型套用至資料 將機器學習模型套用至資料後，您可根據所用功能產生深入分析資訊，例如偵測到的臉孔情緒狀態，或是圖片中辨識出的物件和概念。您可以運用這些深入分析資料，改善應用程式的各項功能，例如相片美化、自動產生中繼資料，或想嘗試其他各種功能。

後續步驟