کیت ML برای Firebase
از یادگیری ماشین در برنامه های خود برای حل مشکلات دنیای واقعی استفاده کنید.
ML Kit یک SDK تلفن همراه است که تخصص یادگیری ماشین Google را در یک بسته قدرتمند و در عین حال با کاربری آسان به برنامه‌های Android و iOS می‌آورد. چه در زمینه یادگیری ماشینی تازه کار یا با تجربه باشید، می توانید عملکرد مورد نیاز خود را تنها در چند خط کد پیاده سازی کنید. برای شروع نیازی به دانش عمیق شبکه های عصبی یا بهینه سازی مدل نیست. از سوی دیگر، اگر یک توسعه دهنده باتجربه ML هستید، ML Kit API های مناسبی را ارائه می دهد که به شما کمک می کند از مدل های سفارشی TensorFlow Lite در برنامه های تلفن همراه خود استفاده کنید.
قابلیت های کلیدی
| آماده تولید برای موارد استفاده رایج | کیت ML با مجموعه‌ای از APIهای آماده برای استفاده در موارد معمول استفاده از تلفن همراه ارائه می‌شود: تشخیص متن، تشخیص چهره، شناسایی نشانه‌ها، اسکن بارکد، برچسب‌گذاری تصاویر، و شناسایی زبان متن. به سادگی داده ها را به کتابخانه ML Kit منتقل کنید و اطلاعات مورد نیاز را در اختیار شما قرار دهد. |
| روی دستگاه یا در فضای ابری | مجموعه‌ای از APIهای کیت ML که روی دستگاه یا در فضای ابری اجرا می‌شوند. API های روی دستگاه ما می توانند داده های شما را به سرعت پردازش کنند و حتی زمانی که اتصال شبکه وجود ندارد کار کنند. از سوی دیگر، APIهای مبتنی بر ابر ما، از قدرت فناوری یادگیری ماشینی Google Cloud بهره می‌برند تا سطح بالاتری از دقت را به شما ارائه دهند. |
| استقرار مدل های سفارشی | اگر API های کیت ML موارد استفاده شما را پوشش نمی دهند، همیشه می توانید مدل های TensorFlow Lite موجود خود را بیاورید. فقط مدل خود را در Firebase آپلود کنید، و ما از میزبانی و ارائه آن به برنامه شما مراقبت می کنیم. ML Kit به عنوان یک لایه API برای مدل سفارشی شما عمل می کند و اجرا و استفاده از آن را ساده تر می کند. |
چگونه کار می کند؟
ML Kit با آوردن فناوری‌های ML Google، مانند Google Cloud Vision API ، TensorFlow Lite و API شبکه‌های عصبی Android در یک SDK، به‌کارگیری تکنیک‌های ML در برنامه‌های شما را آسان می‌کند. چه به قدرت پردازش مبتنی بر ابر نیاز داشته باشید، چه به قابلیت‌های بی‌درنگ مدل‌های روی دستگاه بهینه‌سازی شده برای موبایل یا انعطاف‌پذیری مدل‌های سفارشی TensorFlow Lite، کیت ML این کار را تنها با چند خط کد ممکن می‌سازد.
چه ویژگی هایی در دستگاه یا در فضای ابری موجود است؟
| ویژگی | روی دستگاه | ابر |
|---|---|---|
| تشخیص متن | ||
| شناسایی چهره | ||
| اسکن بارکد | ||
| برچسب گذاری تصویر | ||
| تشخیص و ردیابی شی | ||
| تشخیص نقطه عطف | ||
| شناسایی زبان | ||
| ترجمه | ||
| پاسخ هوشمند | ||
| استنتاج مدل AutoML | ||
| استنتاج مدل سفارشی |
مسیر پیاده سازی
| SDK را یکپارچه کنید | به سرعت SDK را با استفاده از Gradle یا CocoaPods اضافه کنید. | |
| داده های ورودی را آماده کنید | به عنوان مثال، اگر از یک ویژگی بینایی استفاده می کنید، تصویری را از دوربین بگیرید و ابرداده های لازم مانند چرخش تصویر را ایجاد کنید، یا از کاربر بخواهید عکسی را از گالری خود انتخاب کند. | |
| مدل ML را روی داده های خود اعمال کنید | با استفاده از مدل ML بر روی داده‌های خود، بینش‌هایی مانند وضعیت عاطفی چهره‌های شناسایی‌شده یا اشیا و مفاهیمی که در تصویر شناسایی شده‌اند، بسته به ویژگی‌هایی که استفاده می‌کنید، ایجاد می‌کنید. از این بینش ها برای تقویت ویژگی های برنامه خود مانند تزئین عکس، تولید خودکار ابرداده یا هر چیز دیگری که می توانید تصور کنید استفاده کنید. |
مراحل بعدی
- APIهای آماده را کاوش کنید: تشخیص متن ، تشخیص چهره ، اسکن بارکد ، برچسب‌گذاری تصویر ، تشخیص و ردیابی شی ، تشخیص نقطه عطف ، پاسخ هوشمند ، ترجمه ، و شناسایی زبان .
- مدل برچسب گذاری تصویر خود را با AutoML Vision Edge آموزش دهید.
- در مورد استفاده از مدل های سفارشی بهینه شده برای موبایل در برنامه خود بیاموزید.