Nesne Tespiti ve Takibi

ML Kit'in cihaz üzerindeki nesne algılama ve izleme API'si sayesinde, bir görüntüdeki veya canlı kamera yayınındaki en belirgin nesneleri gerçek zamanlı olarak yerelleştirebilir ve izleyebilirsiniz. Ayrıca isteğe bağlı olarak algılanan nesneleri çeşitli genel kategorilerden birinde sınıflandırabilirsiniz.

Kaba sınıflandırma ile nesne tespiti ve takibi, canlı görsel arama deneyimleri oluşturmak için kullanışlıdır. Nesne tespiti ve takibi cihazda hızlı ve eksiksiz bir şekilde gerçekleştiğinden, daha uzun bir görsel arama hattının ön ucu olarak iyi çalışır. Nesneleri algılayıp filtreledikten sonra, bunları Cloud Vision Product Search gibi bir bulut arka ucuna veya AutoML Vision Edge kullanarak eğittiğiniz gibi özel bir modele aktarabilirsiniz.

iOS Android

Temel yetenekler

Hızlı nesne algılama ve izleme Nesneleri tespit edin ve görüntüdeki konumlarını öğrenin. Görüntülerdeki nesneleri izleyin.
Optimize edilmiş cihaz modeli Nesne algılama ve izleme modeli, mobil cihazlar için optimize edilmiştir ve daha düşük seviye cihazlarda bile gerçek zamanlı uygulamalarda kullanılmak üzere tasarlanmıştır.
Belirgin nesne algılama Görüntüdeki en belirgin nesneyi otomatik olarak belirleyin.
Kabaca sınıflandırma İlgilenmediğiniz nesneleri filtrelemek için kullanabileceğiniz nesneleri geniş kategoriler halinde sınıflandırın. Şu kategoriler desteklenir: ev eşyaları, moda ürünleri, yiyecek, bitkiler, yerler ve bilinmeyenler.

Örnek sonuçlar

Görüntülerde en belirgin nesneyi izleme

Takip Kimliği 0
Sınırlar (95, 45), (496, 45), (496, 240), (95, 240)
Kategori YER
Sınıflandırma güvenirliği 0.9296875
Takip Kimliği 0
Sınırlar (84, 46), (478, 46), (478, 247), (84, 247)
Kategori YER
Sınıflandırma güvenirliği 0.8710938
Takip Kimliği 0
Sınırlar (53, 45), (519, 45), (519, 240), (53, 240)
Kategori YER
Sınıflandırma güvenirliği 0.8828125

Fotoğraf: Christian Ferrer [CC BY-SA 4.0]

Statik bir görüntüde birden fazla nesne

Nesne 0
Sınırlar (1, 97), (332, 97), (332, 332), (1, 332)
Kategori FASHION_GOOD
Sınıflandırma güvenirliği 0.95703125
Nesne 1
Sınırlar (186, 80), (337, 80), (337, 226), (186, 226)
Kategori FASHION_GOOD
Sınıflandırma güvenirliği 0.84375
Nesne 2
Sınırlar (296, 80), (472, 80), (472, 388), (296, 388)
Kategori FASHION_GOOD
Sınıflandırma güvenirliği 0.94921875
Nesne 3
Sınırlar (439, 83), (615, 83), (615, 306), (439, 306)
Kategori FASHION_GOOD
Sınıflandırma güvenirliği 0,9375