ML Kit สําหรับ Firebase

ใช้แมชชีนเลิร์นนิงในแอปเพื่อแก้ปัญหาในชีวิตจริง

ML Kit เป็น SDK สำหรับอุปกรณ์เคลื่อนที่ที่นำความเชี่ยวชาญด้านแมชชีนเลิร์นนิงของ Google มาสู่ แอป Android และ iOS ในแพ็กเกจที่มีประสิทธิภาพแต่ใช้งานง่าย ไม่ว่าคุณจะเป็นมือใหม่ หรือมีประสบการณ์ด้านแมชชีนเลิร์นนิง คุณก็สามารถนำฟังก์ชันการทำงาน คุณต้องการโค้ดเพียงไม่กี่บรรทัด ไม่จำเป็นต้องมีความรู้ที่ลึกซึ้งเกี่ยวกับ โครงข่ายระบบประสาทเทียมหรือการเพิ่มประสิทธิภาพโมเดลเพื่อเริ่มต้นใช้งาน ในทางกลับกัน หากคุณ เป็นนักพัฒนาซอฟต์แวร์ ML มากประสบการณ์ ML Kit มี API ที่ใช้งานง่าย คุณใช้โมเดล TensorFlow Lite ที่กำหนดเองในแอปบนอุปกรณ์เคลื่อนที่

ความสามารถที่สำคัญ

พร้อมสำหรับการใช้งานจริงสำหรับ Use Case ทั่วไป

ML Kit มาพร้อมกับชุด API ที่พร้อมใช้งานสำหรับการใช้งานบนอุปกรณ์เคลื่อนที่ทั่วไป กรณี: การจดจำข้อความ การตรวจจับใบหน้า การระบุจุดสังเกต การสแกน บาร์โค้ด การติดป้ายกำกับรูปภาพ และระบุภาษาของข้อความ เพียงส่งข้อมูลไปยังไลบรารี ML Kit แล้วไลบรารีจะแสดงข้อมูลที่คุณต้องการ
บนอุปกรณ์หรือในระบบคลาวด์

API ที่เลือกของ ML Kit จะทำงานบนอุปกรณ์หรือในระบบคลาวด์ API ในอุปกรณ์สามารถประมวลผลข้อมูลของคุณได้อย่างรวดเร็วและทำงานได้อย่างรวดเร็ว เมื่อไม่มีการเชื่อมต่อเครือข่าย ในทางกลับกัน API ในระบบคลาวด์ของเรา ใช้ประโยชน์จากเทคโนโลยีแมชชีนเลิร์นนิงของ Google Cloud เพื่อช่วยให้คุณ มีความแม่นยำมากขึ้น
ทำให้โมเดลที่กำหนดเองใช้งานได้

หาก API ของ ML Kit ไม่ครอบคลุม Use Case ของคุณ คุณก็สามารถนำ เป็นเจ้าของโมเดล TensorFlow Lite ที่มีอยู่แล้ว เพียงอัปโหลดโมเดลของคุณไปยัง Firebase และเราจะดูแลโฮสติ้งและแสดงโฆษณาในแอป ML Kit ทำหน้าที่เป็นเลเยอร์ API ให้กับโมเดลที่กำหนดเองของคุณ เรียกใช้และใช้งาน

วิธีการทำงาน

ML Kit ช่วยให้การใช้เทคนิค ML ในแอปเป็นเรื่องง่ายด้วยการนำเทคโนโลยี ML ของ Google เช่น Google Cloud Vision API, TensorFlow Lite และ Android Neural Networks API มารวมไว้ใน SDK เดียว ไม่ว่าคุณจะต้องการพลังแห่งการประมวลผลในระบบคลาวด์ ความสามารถแบบเรียลไทม์ของโมเดลในอุปกรณ์ที่เพิ่มประสิทธิภาพสำหรับอุปกรณ์เคลื่อนที่ หรือ ML Kit ให้ความยืดหยุ่นของโมเดล TensorFlow Lite ที่กำหนดเอง ด้วยโค้ดเพียงไม่กี่บรรทัด

มีฟีเจอร์อะไรบ้างในอุปกรณ์หรือในระบบคลาวด์

ฟีเจอร์ บนอุปกรณ์ Cloud
การจดจำข้อความ
การตรวจจับใบหน้า
การสแกนบาร์โค้ด
การติดป้ายกำกับรูปภาพ
การตรวจจับวัตถุและ การติดตาม
การจดจำจุดสังเกต
การระบุภาษา
คำแปล
ช่วยตอบ
การอนุมานโมเดล AutoML
การอนุมานรูปแบบที่กําหนดเอง

เส้นทางการใช้งาน

ผสานรวม SDK รวม SDK อย่างรวดเร็วโดยใช้ Gradle หรือ CocoaPods
เตรียมข้อมูลอินพุต เช่น หากคุณใช้ฟีเจอร์การมองเห็น ให้จับภาพจากกล้องและสร้างข้อมูลเมตาที่จําเป็น เช่น การหมุนภาพ หรือแจ้งให้ผู้ใช้เลือกรูปภาพจากแกลเลอรี
ใช้โมเดล ML กับข้อมูล การนำโมเดล ML ไปใช้กับข้อมูลของคุณจะเป็นการสร้างข้อมูลเชิงลึก เช่น สภาวะทางอารมณ์ของใบหน้าที่ตรวจจับได้ หรือวัตถุและแนวคิดที่ อยู่ในรูปภาพ ทั้งนี้ขึ้นอยู่กับฟีเจอร์ที่คุณใช้ ใช้ค่าเหล่านี้ ข้อมูลเชิงลึกเพื่อเพิ่มประสิทธิภาพฟีเจอร์ต่างๆ ในแอป เช่น การแต่งรูปภาพอัตโนมัติ การสร้างข้อมูลเมตา หรืออะไรก็ตามที่คุณนึกออก

ขั้นตอนถัดไป