ערכת ML ל-Firebase

שימוש בלמידת מכונה באפליקציות שלכם כדי לפתור בעיות בעולם האמיתי.

ML Kit היא ערכת SDK לנייד שמאפשרת ל-Google להשתמש במומחיות בלמידת מכונה אפליקציות ל-Android ול-iOS בחבילה רבת-עוצמה אך קלה לשימוש. האם אתם חדשים או שאתם כבר מנוסים בלמידת מכונה, אפשר להטמיע את הפונקציונליות. תצטרכו רק כמה שורות קוד. לא צריך להיות ידע מעמיק רשתות נוירונים או אופטימיזציה של מודלים כדי להתחיל. לעומת זאת, אם הם מפתחים מנוסים של למידת מכונה, ו-ML Kit מספק ממשקי API נוחים שעוזרים משתמשים במודלים המותאמים אישית של TensorFlow Lite באפליקציות לנייד.

יכולות עיקריות

מוכנים לסביבת ייצור לתרחישים נפוצים לדוגמה

ML Kit מגיע עם קבוצה של ממשקי API מוכנים לשימוש לשימוש נפוץ בנייד מקרים: זיהוי טקסט, זיהוי פנים, זיהוי ציוני דרך, סריקה ברקודים, הוספת תוויות לתמונות וזיהוי שפת הטקסט. פשוט להעביר נתונים לספריית ML Kit והיא מספקת את המידע צריכים.
במכשיר או בענן

ה-APIs של ML Kit פועלים במכשיר או בענן. שלנו ממשקי API במכשיר יכולים לעבד את הנתונים שלכם במהירות ולפעול, גם כאשר אין חיבור לרשת. מצד שני, ממשקי ה-API שלנו מבוססי-הענן ממנפים את העוצמה של טכנולוגיית למידת המכונה של Google Cloud כדי לספק לכם רמת דיוק גבוהה יותר.
פריסת מודלים מותאמים אישית

אם ממשקי ה-API של ML Kit לא מכסים את התרחישים לדוגמה שלכם, תמיד אפשר להעביר בדגמים קיימים של TensorFlow Lite. פשוט מעלים את המודל אל Firebase, ואנחנו נטפל באירוח ובהצגה שלו באפליקציה שלכם. ML Kit משמש כשכבת API למודל המותאם אישית שלכם, וכך קל יותר להפעיל ולהשתמש.

איך זה עובד?

עם ML Kit קל ליישם טכניקות למידת מכונה באפליקציות שלכם טכנולוגיות למידת מכונה, Google Cloud Vision API, TensorFlow Lite, API לרשתות נוירונים של Android ב-SDK אחד. בין אם אתם זקוקים לעוצמה של עיבוד מבוסס-ענן, ליכולות בזמן אמת של מודלים במכשיר שמותאמים לנייד או לגמישות של מודלים מותאמים אישית של TensorFlow Lite, ML Kit מאפשר לכם לעשות זאת באמצעות כמה שורות קוד בלבד.

אילו תכונות זמינות במכשיר או בענן?

תכונה במכשיר Cloud
זיהוי טקסט
זיהוי פנים
סריקת ברקוד
הוספת תוויות לתמונות
זיהוי אובייקטים & מעקב
זיהוי סימני דרך
זיהוי שפה
תרגום
תשובה מהירה
הֶקֵּשׁ ממודל AutoML
הֶקֵּשׁ ממודל מותאם אישית

נתיב הטמעה

שילוב ה-SDK ניתן לכלול במהירות את ה-SDK באמצעות Gradle או CocoaPods.
הכנת נתוני קלט לדוגמה, אם משתמשים בתכונת ראייה, צלם תמונה של המצלמה וליצור את המטא-נתונים הנדרשים כמו סיבוב תמונה או הנחיה לבחור תמונה מהגלריה.
החלת מודל ה-ML על הנתונים כשמחילים את מודל למידת המכונה (ML) על הנתונים, אפשר ליצור תובנות כמו את המצב הרגשי של פנים שזוהו או את האובייקטים והמושגים שמזוהה בתמונה, בהתאם לתכונה שבה השתמשתם. שימוש באלה תובנות שיעזרו לך לשפר את התכונות באפליקציה, כמו עיטורים של תמונות, פעולות אוטומטיות מטא-נתונים, או כל דבר אחר שתרצו.

השלבים הבאים