ערכת ML עבור Firebase

השתמש בלמידה חישובית באפליקציות שלך כדי לפתור בעיות בעולם האמיתי.

ML Kit הוא SDK לנייד שמביא את מומחיות הלמידה החישובית של גוגל לאפליקציות אנדרואיד ו-iOS בחבילה חזקה אך קלה לשימוש. בין אם אתה חדש או מנוסה בלמידת מכונה, אתה יכול ליישם את הפונקציונליות הדרושה לך בכמה שורות קוד בלבד. אין צורך בידע מעמיק ברשתות עצביות או באופטימיזציה של מודלים כדי להתחיל. מצד שני, אם אתה מפתח ML מנוסה, ML Kit מספק ממשקי API נוחים שעוזרים לך להשתמש בדגמי TensorFlow Lite המותאמים אישית שלך באפליקציות שלך לנייד.

יכולות מפתח

מוכן לייצור למקרי שימוש נפוצים

ערכת ML מגיעה עם סט של ממשקי API מוכנים לשימוש למקרי שימוש נפוצים בנייד: זיהוי טקסט, זיהוי פנים, זיהוי ציוני דרך, סריקת ברקודים, תיוג תמונות וזיהוי שפת הטקסט. כל שעליך לעשות הוא להעביר נתונים לספריית ML Kit והיא נותנת לך את המידע שאתה צריך.

במכשיר או בענן

מבחר ממשקי ה-API של ML Kit פועל במכשיר או בענן. ממשקי ה-API שלנו במכשיר יכולים לעבד את הנתונים שלך במהירות ולעבוד גם כשאין חיבור לרשת. לעומת זאת, ממשקי ה-API מבוססי הענן שלנו ממנפים את הכוח של טכנולוגיית למידת המכונה של Google Cloud כדי לתת לך רמת דיוק גבוהה עוד יותר.

פרוס מודלים מותאמים אישית

אם ממשקי ה-API של ML Kit לא מכסים את מקרי השימוש שלך, אתה תמיד יכול להביא דגמי TensorFlow Lite הקיימים משלך. פשוט העלה את הדגם שלך ל-Firebase ואנחנו נדאג לארח ולהגיש אותו לאפליקציה שלך. ערכת ML פועלת כשכבת API למודל המותאם אישית שלך, מה שהופך אותו לפשוט יותר להפעלה ולשימוש.

איך זה עובד?

ערכת ML מקלה על יישום טכניקות ML באפליקציות שלך על ידי הכנסת טכנולוגיות ה-ML של Google, כגון Google Cloud Vision API , TensorFlow Lite ו- Android Neural Networks API יחד ב-SDK אחד. בין אם אתה זקוק לעוצמה של עיבוד מבוסס ענן, ליכולות בזמן אמת של מודלים מותאמים לנייד במכשיר, או לגמישות של דגמי TensorFlow Lite מותאמים אישית, ערכת ML מאפשרת זאת עם מספר שורות קוד בלבד.

אילו תכונות זמינות במכשיר או בענן?

תכונה על המכשיר ענן
זיהוי טקסט
זיהוי פנים
סריקת ברקוד
תיוג תמונה
זיהוי ומעקב אחר אובייקטים
זיהוי ציון דרך
זיהוי שפה
תִרגוּם
תשובה חכמה
מסקנות מדגם AutoML
מסקנות דגם מותאם אישית

מסלול יישום

שלב את ה-SDK כלול במהירות את ה-SDK באמצעות Gradle או CocoaPods.
הכן נתוני קלט לדוגמה, אם אתה משתמש בתכונת ראייה, צלם תמונה מהמצלמה והפק את המטא-נתונים הדרושים כגון סיבוב תמונה, או בקש מהמשתמש לבחור תמונה מהגלריה שלו.
החל את מודל ה-ML על הנתונים שלך על ידי יישום מודל ה-ML על הנתונים שלך, אתה יוצר תובנות כגון המצב הרגשי של פרצופים שזוהו או האובייקטים והמושגים שזוהו בתמונה, בהתאם לתכונה שבה השתמשת. השתמש בתובנות האלה כדי להפעיל תכונות באפליקציה שלך כמו קישוט תמונות, יצירת מטא נתונים אוטומטית או כל דבר אחר שאתה יכול לדמיין.

הצעדים הבאים