Join us for Firebase Summit on November 10, 2021. Tune in to learn how Firebase can help you accelerate app development, release with confidence, and scale with ease. Register

ML Kit for Firebase

برای حل مشکلات دنیای واقعی از یادگیری ماشین در برنامه های خود استفاده کنید.

ML Kit یک SDK تلفن همراه است که تخصص یادگیری ماشینی Google را در یک بسته قدرتمند و در عین حال آسان برای برنامه های Android و iOS به ارمغان می آورد. چه در زمینه یادگیری ماشین تازه کار باشید و چه با تجربه ، می توانید عملکرد مورد نیاز خود را تنها در چند خط کد پیاده سازی کنید. برای شروع نیازی به داشتن دانش عمیق از شبکه های عصبی یا بهینه سازی مدل نیست. از سوی دیگر ، اگر شما یک توسعه دهنده با تجربه ML هستید ، ML Kit API های مناسبی را ارائه می دهد که به شما کمک می کند از مدل های سفارشی TensorFlow Lite خود در برنامه های تلفن همراه خود استفاده کنید.

قابلیت های کلیدی

آماده برای موارد استفاده معمولی

ML Kit دارای مجموعه ای از API های آماده استفاده برای موارد معمول استفاده از تلفن همراه است: تشخیص متن ، تشخیص چهره ها ، شناسایی مکان های مشخص ، اسکن بارکد ، برچسب گذاری 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 می دهد.

روی دستگاه یا در فضای ابری

انتخاب API های ML Kit روی دستگاه یا در فضای ابری اجرا می شود. API های روی دستگاه ما می توانند داده های شما را به سرعت پردازش کرده و حتی در صورت عدم اتصال به شبکه کار کنند. از سوی دیگر ، API های مبتنی بر ابر ما از فناوری یادگیری ماشینی Google Cloud استفاده می کنند تا دقت بیشتری را به شما ارائه دهند.

مدلهای سفارشی را مستقر کنید

اگر API های ML Kit موارد استفاده شما را پوشش نمی دهد ، همیشه می توانید مدلهای TensorFlow Lite موجود خود را بیاورید. فقط مدل خود را در Firebase بارگذاری کنید ، و ما مراقبت و میزبانی آن را در برنامه شما انجام می دهیم. ML Kit به عنوان یک لایه API برای مدل سفارشی شما عمل می کند و اجرا و استفاده را ساده تر می کند.

چگونه کار می کند؟

ML کیت را آسان می کند به اعمال روش ML در برنامه های خود را با آوردن فن آوری ML گوگل، از جمله به عنوان API گوگل ابر چشم انداز ، TensorFlow آرشیو و API شبکه های عصبی آندروید با هم در یک SDK است. این که آیا شما به قدرت پردازش مبتنی بر ابر ، قابلیت های زمان واقعی مدلهای دستگاهی بهینه شده برای موبایل یا انعطاف پذیری مدلهای سفارشی TensorFlow Lite نیاز دارید ، ML Kit این امکان را فقط با چند خط کد فراهم می کند.

چه ویژگی هایی در دستگاه یا در ابر وجود دارد؟

ویژگی روی دستگاه ابر
تشخیص متن
شناسایی چهره
اسکن بارکد
برچسب زدن تصویر
تشخیص و ردیابی اشیا
به رسمیت شناختن نقطه عطف
شناسایی زبان
ترجمه
پاسخ هوشمند
استنتاج مدل AutoML
استنتاج مدل سفارشی

مسیر پیاده سازی

SDK را ادغام کنید SDK را با استفاده از Gradle یا CocoaPods به سرعت وارد کنید.
آماده سازی داده های ورودی به عنوان مثال ، اگر از ویژگی بینایی استفاده می کنید ، تصویری از دوربین بگیرید و فراداده 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 داده های خود ، بسته به ویژگی مورد استفاده ، بینش هایی مانند وضعیت احساسی چهره های شناسایی شده یا اشیاء و مفاهیمی که در تصویر تشخیص داده شده است را ایجاد می کنید. از این بینش ها برای تقویت ویژگی های برنامه خود مانند تزئین عکس ، ایجاد فراداده خودکار یا هر چیز دیگری که می توانید تصور کنید استفاده کنید.

مراحل بعدی