获取我们在 Firebase 峰会上发布的所有信息,了解 Firebase 可如何帮助您加快应用开发速度并满怀信心地运行应用。了解详情
使用集合让一切井井有条 根据您的偏好保存内容并对其进行分类。

目标检测和跟踪

借助 ML Kit 的设备上对象检测和跟踪 API,您可以实时定位和跟踪图像或实时摄像头馈送中最突出的对象。您还可以选择将检测到的对象分类为几个常规类别之一。

粗分类的对象检测和跟踪对于构建实时视觉搜索体验很有用。因为对象检测和跟踪在设备上快速而完整地发生,所以它可以很好地作为更长的视觉搜索管道的前端。检测和过滤对象后,您可以将它们传递到云后端,例如Cloud Vision Product Search或自定义模型,例如您使用AutoML Vision Edge训练的模型。

iOS安卓

关键能力

快速目标检测和跟踪检测对象并获取它们在图像中的位置。跨图像跟踪对象。
优化的设备端模型对象检测和跟踪模型针对移动设备进行了优化,旨在用于实时应用程序,即使在低端设备上也是如此。
突出物体检测自动确定图像中最突出的对象。
粗分类将对象分类为广泛的类别,您可以使用这些类别过滤掉您不感兴趣的对象。支持以下类别:家居用品、时尚商品、食品、植物、地点和未知。

示例结果

跨图像跟踪最突出的对象

跟踪号码0
界限(95, 45), (496, 45), (496, 240), (95, 240)
类别地方
分类置信度0.9296875
跟踪号码0
界限(84, 46), (478, 46), (478, 247), (84, 247)
类别地方
分类置信度0.8710938
跟踪号码0
界限(53, 45), (519, 45), (519, 240), (53, 240)
类别地方
分类置信度0.8828125

照片:克里斯蒂安·费雷尔 [CC BY-SA 4.0]

静态图像中的多个对象

对象 0
界限(1, 97), (332, 97), (332, 332), (1, 332)
类别FASHION_GOOD
分类置信度0.95703125
对象 1
界限(186, 80), (337, 80), (337, 226), (186, 226)
类别FASHION_GOOD
分类置信度0.84375
对象 2
界限(296, 80), (472, 80), (472, 388), (296, 388)
类别FASHION_GOOD
分类置信度0.94921875
对象 3
界限(439, 83), (615, 83), (615, 306), (439, 306)
类别FASHION_GOOD
分类置信度0.9375