کیت ML برای Firebase

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

ML Kit یک SDK موبایل است که مهارت یادگیری ماشین Google را در یک بسته قدرتمند و در عین حال آسان برای استفاده در برنامه های Android و iOS به ارمغان می آورد. چه در یادگیری ماشین تازه کار باشید و چه در تجربه ، می توانید عملکرد مورد نیاز خود را فقط در چند خط کد پیاده سازی کنید. برای شروع نیازی به دانش عمیق در مورد شبکه های عصبی یا بهینه سازی مدل نیست. از طرف دیگر ، اگر شما یک توسعه دهنده باتجربه ML هستید ، ML Kit API های مناسبی را در اختیار شما قرار می دهد که به شما کمک می کند از مدل های سفارشی TensorFlow Lite خود در برنامه های تلفن همراه خود استفاده کنید.

قابلیت های کلیدی

آماده تولید برای موارد استفاده مشترک

ML Kit همراه با مجموعه ای از API های آماده برای موارد معمول استفاده از تلفن همراه است: شناسایی متن ، شناسایی چهره ها ، شناسایی نشانه ها ، اسکن بارکد ، برچسب زدن تصاویر و شناسایی زبان متن. به سادگی داده ها را به کتابخانه ML Kit منتقل کنید و اطلاعات لازم را به شما می دهد.

روی دستگاه یا در ابر

انتخاب API های ML Kit روی دستگاه یا در فضای ابری اجرا می شود. API های موجود در دستگاه ما می توانند داده های شما را سریع پردازش کرده و حتی در صورت عدم اتصال شبکه کار کنند. از طرف دیگر ، API های مبتنی بر ابر ما از قدرت فناوری یادگیری ماشین Google Cloud استفاده می کنند تا سطح دقت بالاتری را نیز به شما ارائه دهند.

استفاده از مدل های سفارشی

اگر API های ML Kit موارد استفاده شما را پوشش نمی دهد ، همیشه می توانید مدل های موجود TensorFlow Lite را به همراه داشته باشید. فقط مدل خود را در Firebase بارگذاری کنید ، ما از میزبانی و ارائه آن به برنامه شما مراقبت خواهیم کرد. ML Kit به عنوان یک لایه API در مدل سفارشی شما عمل می کند و اجرای آن را ساده تر می کند.

چگونه کار می کند؟

ML کیت را آسان می کند به اعمال روش ML در برنامه های خود را با آوردن فن آوری ML گوگل، از جمله به عنوان API گوگل ابر چشم انداز ، TensorFlow آرشیو و API شبکه های عصبی آندروید با هم در یک SDK است. چه به قدرت پردازش مبتنی بر ابر ، چه به قابلیت های بلادرنگ مدل های دستگاه بهینه شده توسط تلفن همراه و چه به انعطاف پذیری مدل های سفارشی TensorFlow Lite ، ML Kit فقط با چند خط کد امکان پذیر است.

چه ویژگی هایی در دستگاه یا ابر وجود دارد؟

ویژگی روی دستگاه ابر
تشخیص متن
شناسایی چهره
اسکن بارکد
برچسب زدن تصویر
ردیابی و ردیابی اشیا
تشخیص نقطه عطف
شناسایی زبان
ترجمه
پاسخ هوشمند
استنتاج مدل AutoML
استنباط مدل سفارشی

مسیر پیاده سازی

SDK را ادغام کنید با استفاده از Gradle یا CocoaPods به سرعت SDK را در آن بگنجانید.
داده های ورودی را آماده کنید به عنوان مثال ، اگر از ویژگی دید استفاده می کنید ، تصویری از دوربین بگیرید و فراداده های لازم مانند چرخش تصویر را ایجاد کنید یا از کاربر بخواهید که عکسی را از گالری خود انتخاب کند.
مدل ML را روی داده های خود اعمال کنید با استفاده از مدل ML بر روی داده های خود ، بسته به ویژگی مورد استفاده خود ، بینشی مانند وضعیت احساسی چهره های شناسایی شده یا اشیا and و مفاهیمی را که در تصویر شناسایی شده اند ، ایجاد می کنید. از این بینش ها برای قدرت بخشیدن به ویژگی های برنامه خود مانند تزئین عکس ، تولید خودکار متادیتا یا هر چیز دیگری که تصور می کنید استفاده کنید.

مراحل بعدی