bookmark_borderbookmark
Zadbaj o dobrą organizację dzięki kolekcji
Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.
plat_iosplat_android
Dzięki interfejsowi API do wykrywania i śledzenia obiektów na urządzeniu ML Kit możesz zlokalizować
i śledzić w czasie rzeczywistym najważniejsze obiekty widoczne na zdjęciu lub w aparacie
kanału. Możesz też opcjonalnie sklasyfikować wykryte obiekty w jednym z kilku
kategorii ogólnych.
Wykrywanie i śledzenie obiektów za pomocą ogólnej klasyfikacji jest przydatne przy tworzeniu
za pomocą funkcji wyszukiwania wizualnego na żywo. Ponieważ wykrywanie i śledzenie obiektów
szybko i całkowicie na urządzeniu, ale sprawdza się też świetnie jako przód
procesu wyszukiwania wizualnego. Po wykryciu i przefiltrowaniu obiektów możesz je przekazać
z backendem w chmurze, takim jak Cloud Vision Product Search,
lub z modelem niestandardowym, takim jak model wytrenowany
AutoML Vision Edge –
Wykrywaj obiekty i określaj ich lokalizację na zdjęciu. Śledź obiekty
obrazów.
Zoptymalizowany na urządzeniu
Model wykrywania i śledzenia obiektów jest zoptymalizowany pod kątem urządzeń mobilnych
i przeznaczony do użytku w czasie rzeczywistym, również na słabszych urządzeniach
urządzenia.
Wykrywanie widocznych obiektów
Automatycznie określa najbardziej widoczny obiekt na obrazie.
Klasyfikacja przybliżona
Klasyfikowanie obiektów w obszerne kategorie, dzięki którym można je odfiltrować
obiekty, które Cię nie interesują. Obsługiwane są te kategorie:
AGD, odzież, żywność, rośliny, miejsca i nieznane.
Przykładowe wyniki
Śledzenie najbardziej widocznego obiektu na obrazach
Identyfikator śledzenia
0
Ograniczenia
(95, 45), (496, 45), (496, 240), (95, 240)
Kategoria
MIEJSCE
Poziom ufności klasyfikacji
0,9296875
Identyfikator śledzenia
0
Ograniczenia
(84, 46), (478, 46), (478, 247), (84, 247)
Kategoria
MIEJSCE
Poziom ufności klasyfikacji
0,8710938
Identyfikator śledzenia
0
Ograniczenia
(53, 45), (519, 45), (519, 240), (53, 240)
Kategoria
MIEJSCE
Poziom ufności klasyfikacji
0,8828125
Zdjęcie: Christian Ferrer [CC BY-SA 4.0]
Wiele obiektów na obrazie statycznym
Obiekt 0
Ograniczenia
(1, 97), (332, 97), (332, 332), (1, 332)
Kategoria
MODA_DOBRA
Poziom ufności klasyfikacji
0,95703125
Obiekt 1
Ograniczenia
(186, 80), (337, 80), (337, 226), (186, 226)
Kategoria
MODA_DOBRA
Poziom ufności klasyfikacji
0,84375
Obiekt 2
Ograniczenia
(296, 80), (472, 80), (472, 388), (296, 388)
Kategoria
MODA_DOBRA
Poziom ufności klasyfikacji
0,94921875
Obiekt 3
Ograniczenia
(439, 83), (615, 83), (615, 306), (439, 306)
Kategoria
MODA_DOBRA
Poziom ufności klasyfikacji
0,9375
Czy te wskazówki były pomocne?
Polecane dla Ciebie
Informacje o tych rekomendacjach
Dzięki tym rekomendacjom łatwiej znajdziesz to, czego szukasz. Mogą one być dopasowane do obecnie wyświetlanej strony i do historii przeglądania zapisanej na Twoim koncie. aktywność w internecie i aplikacjach.
ML Kit for Firebase provided ready-to-use ML solutions for app developers. New apps should use the standalone ML Kit library for on-device ML and Firebase ML for cloud-based ML.
ML Kit for Firebase provided ready-to-use ML solutions for app developers. New apps should use the standalone ML Kit library for on-device ML and Firebase ML for cloud-based ML.
ML Kit for Firebase provided ready-to-use ML solutions for app developers. New apps should use the standalone ML Kit library for on-device ML and Firebase ML for cloud-based ML.
[[["Łatwo zrozumieć","easyToUnderstand","thumb-up"],["Rozwiązało to mój problem","solvedMyProblem","thumb-up"],["Inne","otherUp","thumb-up"]],[["Brak potrzebnych mi informacji","missingTheInformationINeed","thumb-down"],["Zbyt skomplikowane / zbyt wiele czynności do wykonania","tooComplicatedTooManySteps","thumb-down"],["Nieaktualne treści","outOfDate","thumb-down"],["Problem z tłumaczeniem","translationIssue","thumb-down"],["Problem z przykładami/kodem","samplesCodeIssue","thumb-down"],["Inne","otherDown","thumb-down"]],["Ostatnia aktualizacja: 2025-02-28 UTC."],[],[]]