ערכת ML ל- Firebase

השתמש בלימוד מכונה באפליקציות שלך כדי לפתור בעיות בעולם האמיתי.

ML Kit הוא SDK נייד המביא את המומחיות של למידת מכונות של גוגל לאפליקציות אנדרואיד ו- iOS בחבילה עוצמתית אך קלה לשימוש. בין אם אתה חדש או מנוסה בלמידת מכונה, אתה יכול ליישם את הפונקציונליות שאתה צריך בכמה שורות קוד בלבד. אין צורך להכיר ידע עמוק ברשתות עצביות או אופטימיזציה למודל כדי להתחיל. מצד שני, אם אתה מפתח ML מנוסה, ML Kit מספק ממשקי API נוחים המסייעים לך להשתמש בדגמי TensorFlow Lite המותאמים אישית שלך באפליקציות הנייד שלך.

יכולות מפתח

מוכן לייצור למקרי שימוש נפוץ

ערכת ML מגיעה עם קבוצה של ממשקי API מוכנים לשימוש עבור מקרים נפוצים לשימוש בסלולר: זיהוי טקסט, זיהוי פנים, זיהוי ציוני דרך, סריקת ברקודים, תיוג תמונות וזיהוי שפת הטקסט. כל שעליך לעשות הוא להעביר נתונים לספריית ערכת ML והוא נותן לך את המידע הדרוש לך.

במכשיר או בענן

מבחר 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 העוצמה של טכנולוגיית הלמידה החישובית של גוגל ענן כדי להעניק לך רמת דיוק גבוהה עוד יותר.

פרוס דגמים מותאמים אישית

אם ממשקי ה- API של ML Kit אינם מכסים את מקרי השימוש שלך, תמיד תוכל להביא דגמי TensorFlow Lite קיימים משלך. פשוט העלה את המודל שלך ל- Firebase, ואנחנו נדאג לארח ולהגיש אותו לאפליקציה שלך. ערכת ML משמשת כשכבת API למודל המותאם אישית שלך, מה שהופך אותה לפשוטה יותר להפעלה ושימוש.

איך זה עובד?

ML קיט מקל ליישם טכניקות ML ב האפליקציות על ידי הבאת טכנולוגיות ML של גוגל, כגון API של Google Cloud חזון , TensorFlow לייט , ואת API הרשתות העצביות אנדרואיד יחד SDK יחיד. בין אם אתם זקוקים לעוצמה של עיבוד מבוסס ענן, ליכולות בזמן אמת של דגמי מכשיר המותאמים לניידים או לגמישות של דגמי TensorFlow Lite בהתאמה אישית, ML Kit מאפשר זאת בעזרת מספר שורות קוד בלבד.

אילו תכונות זמינות במכשיר או בענן?

תכונה על המכשיר ענן
זיהוי טקסט
זיהוי פנים
סריקת ברקוד
תיוג תמונות
איתור ומעקב אחר אובייקטים
הכרה בציון דרך
זיהוי שפה
תִרגוּם
תשובה חכמה
הסקת מודל AutoML
הסקת מודל מותאמת 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 וצור את המטא נתונים הדרושים כגון סיבוב תמונה, או בקש מהמשתמש לבחור תמונה מהגלריה שלהם.
החל את מודל ה- ML על הנתונים שלך על ידי החלת מודל ה- ML על הנתונים שלך, אתה מייצר תובנות כגון מצב רגשי של פרצופים מזוהים או האובייקטים והמושגים שזוהו בתמונה, בהתאם לתכונה בה השתמשת. השתמש בתובנות אלה כדי להפעיל תכונות באפליקציה שלך, כגון קישוט תמונות, ייצור מטא-נתונים אוטומטי או כל מה שאתה יכול לדמיין.

הצעדים הבאים