ML Kit for Firebase

שימוש בלמידת מכונה באפליקציות שלכם כדי לפתור בעיות בעולם האמיתי.

‫ML Kit הוא SDK לנייד שמביא את המומחיות של Google בתחום הלמידה מחישובים (ML) לאפליקציות ל-Android ול-iOS בחבילה עוצמתית ונוחה לשימוש. גם אם אתם חדשים בתחום למידת המכונה וגם אם יש לכם ניסיון, תוכלו להטמיע את הפונקציונליות שאתם צריכים בכמה שורות קוד בלבד. כדי להתחיל, לא צריך ידע מעמיק ברשתות עצביות או באופטימיזציה של מודלים. מצד שני, אם אתם מפתחים מנוסים של למידת מכונה, ML Kit מספק ממשקי API נוחים שיעזרו לכם להשתמש במודלים מותאמים אישית של TensorFlow Lite באפליקציות לנייד.

יכולות מרכזיות

מוכן לשימוש בתרחישים נפוצים

‫ML Kit כולל קבוצה של ממשקי API מוכנים לשימוש בתרחישים נפוצים לשימוש בנייד: זיהוי טקסט, זיהוי פנים, זיהוי ציוני דרך, סריקת ברקודים, תיוג תמונות וזיהוי השפה של הטקסט. פשוט מעבירים נתונים לספריית ML Kit ומקבלים את המידע שצריך.
במכשיר או בענן

מערכת ML Kit בוחרת את ממשקי ה-API שפועלים במכשיר או בענן. ממשקי ה-API שלנו במכשיר יכולים לעבד את הנתונים שלכם במהירות, והם פועלים גם כשאין חיבור לרשת. לעומת זאת, ממשקי ה-API שלנו מבוססי-הענן מנצלים את העוצמה של טכנולוגיית למידת המכונה של Google Cloud כדי לספק לכם רמת דיוק גבוהה עוד יותר.
פריסת מודלים בהתאמה אישית

אם ממשקי ה-API של ML Kit לא מתאימים לתרחישי השימוש שלכם, תמיד תוכלו להשתמש במודלים קיימים של TensorFlow Lite. פשוט מעלים את המודל ל-Firebase, ואנחנו נדאג לאירוח שלו ולהצגה שלו באפליקציה. ML Kit פועל כשכבת API למודל המותאם אישית, וכך קל יותר להפעיל אותו ולהשתמש בו.

איך זה עובד?

‫ML Kit מאפשר להטמיע בקלות טכניקות של ML באפליקציות שלכם, כי הוא משלב בין טכנולוגיות ML של Google, כמו Google Cloud Vision API,‏ TensorFlow Lite ו-Android Neural Networks API, ב-SDK יחיד. בין אם אתם צריכים את העוצמה של עיבוד מבוסס-ענן, את היכולות בזמן אמת של מודלים בנייד שעברו אופטימיזציה לנייד או את הגמישות של מודלים מותאמים אישית של TensorFlow Lite,‏ ML Kit מאפשר לכם לעשות זאת בכמה שורות קוד בלבד.

אילו תכונות זמינות במכשיר או בענן?

תכונה במכשיר Cloud
זיהוי טקסט
זיהוי פנים
סריקת ברקודים
תוויות של תמונות
זיהוי ומעקב של אובייקטים
זיהוי ציוני דרך
זיהוי שפה
תרגום
תשובה מהירה
הסקת מסקנות של מודל AutoML
הסקת מסקנות ממודל בהתאמה אישית

נתיב ההטמעה

שילוב ה-SDK אפשר לכלול את ה-SDK במהירות באמצעות Gradle או Swift Package Manager.
הכנת נתוני הקלט לדוגמה, אם משתמשים בתכונת ראייה, מצלמים תמונה מהמצלמה ומפיקים את המטא-נתונים הנדרשים, כמו סיבוב התמונה, או מבקשים מהמשתמש לבחור תמונה מהגלריה.
החלת המודל של למידת המכונה על הנתונים החלת מודל ה-ML על הנתונים שלכם יוצרת תובנות כמו המצב הרגשי של הפנים שזוהו או האובייקטים והמושגים שזוהו בתמונה, בהתאם לתכונה שבה השתמשתם. אפשר להשתמש בתובנות האלה כדי להפעיל תכונות באפליקציה, כמו שיפור תמונות, יצירה אוטומטית של מטא-נתונים או כל דבר אחר שעולה על הדעת.

השלבים הבאים