ML Kit for Firebase
استخدم التعلم الآلي في تطبيقاتك لحل مشاكل العالم الحقيقي.
ML Kit عبارة عن حزمة SDK للجوال توفر خبرة Google في التعلم الآلي لتطبيقات Android و iOS في حزمة قوية وسهلة الاستخدام. سواء كنت جديدًا أو خبيرًا في التعلم الآلي ، يمكنك تنفيذ الوظائف التي تحتاجها في بضعة أسطر من التعليمات البرمجية. ليست هناك حاجة إلى معرفة عميقة بالشبكات العصبية أو تحسين النموذج للبدء. من ناحية أخرى ، إذا كنت مطورًا متمرسًا في ML ، فإن ML Kit توفر واجهات برمجة تطبيقات ملائمة تساعدك على استخدام نماذج TensorFlow Lite المخصصة في تطبيقات هاتفك المحمول.
القدرات الأساسية
| جاهز للإنتاج لحالات الاستخدام الشائعة | تأتي ML Kit مع مجموعة من واجهات برمجة التطبيقات الجاهزة للاستخدام لحالات استخدام الأجهزة المحمولة الشائعة: التعرف على النص ، واكتشاف الوجوه ، وتحديد المعالم ، ومسح الرموز الشريطية ، ووضع علامات على الصور ، وتحديد لغة النص. ما عليك سوى تمرير البيانات إلى مكتبة ML Kit وتعطيك المعلومات التي تحتاجها. |
| على الجهاز أو في السحابة | تعمل مجموعة ML Kit لواجهات برمجة التطبيقات على الجهاز أو في السحابة. يمكن لواجهات برمجة التطبيقات الموجودة على الجهاز معالجة بياناتك بسرعة والعمل حتى في حالة عدم وجود اتصال بالشبكة. من ناحية أخرى ، تستفيد واجهات برمجة التطبيقات المستندة إلى السحابة من قوة تقنية التعلم الآلي في Google Cloud لمنحك مستوى أعلى من الدقة. |
| نشر النماذج المخصصة | إذا كانت واجهات برمجة تطبيقات ML Kit لا تغطي حالات الاستخدام الخاصة بك ، فيمكنك دائمًا إحضار نماذج TensorFlow Lite الحالية الخاصة بك. ما عليك سوى تحميل النموذج الخاص بك إلى Firebase ، وسنتولى استضافته وتقديمه إلى تطبيقك. تعمل ML Kit كطبقة API لنموذجك المخصص ، مما يجعلها أسهل في التشغيل والاستخدام. |
كيف يعمل؟
تسهل ML Kit تطبيق تقنيات ML في تطبيقاتك من خلال جلب تقنيات ML من Google ، مثل Google Cloud Vision API و TensorFlow Lite وواجهة برمجة تطبيقات Android Neural Networks معًا في SDK واحد. سواء كنت بحاجة إلى قوة المعالجة المستندة إلى السحابة ، أو إمكانيات الوقت الفعلي للنماذج المحسّنة للجوال على الجهاز ، أو مرونة نماذج TensorFlow Lite المخصصة ، فإن ML Kit تجعل ذلك ممكنًا ببضعة سطور من التعليمات البرمجية.
ما هي الميزات المتوفرة على الجهاز أو في السحابة؟
| ميزة | على الجهاز | سحاب |
|---|---|---|
| التعرف على النص | ||
| الكشف عن الوجه | ||
| مسح الباركود | ||
| وسم الصورة | ||
| الكشف عن الأشياء وتتبعها | ||
| التعرف على المعالم | ||
| تحديد اللغة | ||
| ترجمة | ||
| رد ذكي | ||
| الاستدلال على نموذج AutoML | ||
| نموذج مخصص للاستدلال |
مسار التنفيذ
| ادمج SDK | قم بتضمين SDK بسرعة باستخدام Gradle أو CocoaPods. | |
| تحضير بيانات الإدخال | على سبيل المثال ، إذا كنت تستخدم ميزة الرؤية ، فقم بالتقاط صورة من الكاميرا وإنشاء البيانات الوصفية الضرورية مثل تدوير الصورة ، أو اطلب من المستخدم تحديد صورة من معرضه. | |
| قم بتطبيق نموذج ML على بياناتك | من خلال تطبيق نموذج ML على بياناتك ، فإنك تنشئ رؤى مثل الحالة العاطفية للوجوه المكتشفة أو الكائنات والمفاهيم التي تم التعرف عليها في الصورة ، اعتمادًا على الميزة التي استخدمتها. استخدم هذه الرؤى لتشغيل الميزات في تطبيقك مثل زخرفة الصور أو إنشاء البيانات الوصفية تلقائيًا أو أي شيء آخر يمكنك تخيله. |
الخطوات التالية
- استكشف واجهات برمجة التطبيقات الجاهزة للاستخدام: التعرف على النص ، واكتشاف الوجه ، ومسح الرمز الشريطي ، ووضع العلامات على الصور ، واكتشاف الكائنات وتتبعها ، والتعرف على المعالم ، والرد الذكي ، والترجمة ، وتحديد اللغة .
- قم بتدريب نموذج تسمية الصور الخاص بك باستخدام AutoML Vision Edge .
- تعرف على استخدام النماذج المخصصة المحسنة للجوال في تطبيقك.