کیت ML برای فایربیس

از یادگیری ماشینی در برنامه‌های خود برای حل مشکلات دنیای واقعی استفاده کنید.

کیت ML یک SDK موبایل است که تخصص یادگیری ماشینی گوگل را در قالب یک بسته قدرتمند اما آسان برای استفاده، به برنامه‌های اندروید و iOS می‌آورد. چه در یادگیری ماشینی تازه‌کار باشید و چه باتجربه، می‌توانید عملکردهای مورد نیاز خود را تنها در چند خط کد پیاده‌سازی کنید. برای شروع نیازی به دانش عمیق در مورد شبکه‌های عصبی یا بهینه‌سازی مدل نیست. از سوی دیگر، اگر یک توسعه‌دهنده باتجربه ML هستید، کیت ML APIهای مناسبی را ارائه می‌دهد که به شما کمک می‌کند از مدل‌های سفارشی TensorFlow Lite خود در برنامه‌های موبایل خود استفاده کنید.

قابلیت‌های کلیدی

آماده تولید برای موارد استفاده رایج

ML Kit با مجموعه‌ای از APIهای آماده برای موارد استفاده رایج در موبایل ارائه می‌شود: تشخیص متن، تشخیص چهره، شناسایی مکان‌های دیدنی، اسکن بارکد، برچسب‌گذاری تصاویر و شناسایی زبان متن. کافیست داده‌ها را به کتابخانه ML Kit ارسال کنید تا اطلاعات مورد نیازتان را در اختیارتان قرار دهد.

روی دستگاه یا در فضای ابری

مجموعه APIهای کیت ML روی دستگاه یا در فضای ابری اجرا می‌شوند. APIهای روی دستگاه ما می‌توانند داده‌های شما را به سرعت پردازش کنند و حتی زمانی که اتصال شبکه وجود ندارد، کار کنند. از سوی دیگر، APIهای مبتنی بر فضای ابری ما از قدرت فناوری یادگیری ماشینی Google Cloud بهره می‌برند تا سطح دقت بالاتری را در اختیار شما قرار دهند.

استقرار مدل‌های سفارشی

اگر APIهای ML Kit موارد استفاده شما را پوشش نمی‌دهند، همیشه می‌توانید مدل‌های TensorFlow Lite موجود خود را بیاورید. فقط مدل خود را در Firebase آپلود کنید و ما میزبانی و ارائه آن به برنامه شما را بر عهده خواهیم گرفت. ML Kit به عنوان یک لایه API برای مدل سفارشی شما عمل می‌کند و اجرا و استفاده از آن را ساده‌تر می‌کند.

چگونه کار می‌کند؟

کیت ML با گردآوری فناوری‌های یادگیری ماشین گوگل، مانند Google Cloud Vision API ، TensorFlow Lite و API شبکه‌های عصبی اندروید در یک SDK واحد، اعمال تکنیک‌های یادگیری ماشین را در برنامه‌های شما آسان می‌کند. چه به قدرت پردازش مبتنی بر ابر، قابلیت‌های بلادرنگ مدل‌های روی دستگاه بهینه شده برای موبایل یا انعطاف‌پذیری مدل‌های سفارشی TensorFlow Lite نیاز داشته باشید، کیت ML این کار را تنها با چند خط کد امکان‌پذیر می‌کند.

چه ویژگی‌هایی روی دستگاه یا در فضای ابری موجود است؟

ویژگی روی دستگاه ابر
تشخیص متن
تشخیص چهره
اسکن بارکد
برچسب‌گذاری تصویر
تشخیص و ردیابی اشیاء
شناخت بناهای تاریخی
شناسایی زبان
ترجمه
پاسخ هوشمند
استنتاج مدل AutoML
استنتاج مدل سفارشی

مسیر پیاده‌سازی

ادغام SDK با استفاده از Gradle یا Swift Package Manager، SDK را به سرعت وارد کنید.
آماده‌سازی داده‌های ورودی برای مثال، اگر از یک ویژگی بصری استفاده می‌کنید، تصویری را از دوربین بگیرید و فراداده‌های لازم مانند چرخش تصویر را تولید کنید، یا از کاربر بخواهید عکسی را از گالری خود انتخاب کند.
مدل یادگیری ماشین را روی داده‌های خود اعمال کنید با اعمال مدل یادگیری ماشینی بر روی داده‌های خود، بسته به ویژگی مورد استفاده، بینش‌هایی مانند وضعیت عاطفی چهره‌های شناسایی شده یا اشیاء و مفاهیمی که در تصویر تشخیص داده شده‌اند، ایجاد می‌کنید. از این بینش‌ها برای تقویت ویژگی‌های برنامه خود مانند زیباسازی عکس، تولید خودکار فراداده یا هر چیز دیگری که می‌توانید تصور کنید، استفاده کنید.

مراحل بعدی