NộI Dung

• Gặp gỡ Google Google Machine Learning Kit
• Làm cách nào để sử dụng API ML Kit?
• Xác định văn bản trong bất kỳ hình ảnh nào, với API nhận dạng văn bản
• Hiểu nội dung về hình ảnh: API ghi nhãn hình ảnh
• Hiểu biểu cảm và khuôn mặt theo dõi: API nhận diện khuôn mặt
• Quét mã vạch với Firebase và ML
• Học máy trong đám mây: API nhận dạng Landmark
• API nhận dạng ngôn ngữ: Phát triển cho khán giả quốc tế
• Sắp có: Trả lời thông minh
• Cái gì tiếp theo? Sử dụng TensorFlow Lite với ML Kit
• Gói lại

Học máy (ML) có thể giúp bạn tạo ra những trải nghiệm sáng tạo, hấp dẫn và độc đáo cho người dùng di động của bạn.

Khi bạn đã thành thạo ML, bạn có thể sử dụng nó để tạo ra một loạt các ứng dụng, bao gồm các ứng dụng tự động sắp xếp ảnh dựa trên chủ đề của chúng, xác định và theo dõi khuôn mặt của một người qua việc phát trực tiếp, trích xuất văn bản từ hình ảnh và hơn thế nữa .

Nhưng ML isn chính xác là người mới bắt đầu thân thiện! Nếu bạn muốn nâng cao ứng dụng Android của mình với khả năng học máy mạnh mẽ, vậy chính xác thì bạn bắt đầu từ đâu?

Trong bài viết này, I triệt sẽ cung cấp tổng quan về SDK (Bộ phát triển phần mềm) hứa hẹn sẽ đặt sức mạnh của ML trong tầm tay của bạn, ngay cả khi bạn có số không Kinh nghiệm ML. Đến cuối bài viết này, bạn sẽ có nền tảng cần thiết để bắt đầu tạo các ứng dụng thông minh, hỗ trợ ML có khả năng ghi nhãn hình ảnh, quét mã vạch, nhận diện khuôn mặt và các mốc nổi tiếng và thực hiện nhiều tác vụ ML mạnh mẽ khác.

Gặp gỡ Google Google Machine Learning Kit

Với việc phát hành các công nghệ như TensorFlow và CloudVision, ML đang trở nên được sử dụng rộng rãi hơn, nhưng những công nghệ này lại không dành cho người yếu tim! Bạn thường sẽ cần một sự hiểu biết sâu sắc về mạng lưới thần kinh và phân tích dữ liệu, chỉ để có được bắt đầu với một công nghệ như TensorFlow.

Ngay cả khi bạn làm có một số kinh nghiệm với ML, tạo ra một ứng dụng di động hỗ trợ máy học có thể là một quá trình tốn thời gian, phức tạp và tốn kém, đòi hỏi bạn phải cung cấp đủ dữ liệu để đào tạo các mô hình ML của riêng mình và sau đó tối ưu hóa các mô hình ML đó để chạy hiệu quả trong môi trường di động. Nếu bạn là một nhà phát triển cá nhân, hoặc có nguồn lực hạn chế, thì có thể không thể đưa kiến ​​thức ML của bạn vào thực tế.

ML Kit là nỗ lực của Google để mang máy học đến với công chúng.

Dưới vỏ bọc, ML Kit kết hợp một số công nghệ ML mạnh mẽ thường đòi hỏi kiến ​​thức ML sâu rộng, bao gồm Cloud Vision, TensorFlow và API Mạng thần kinh Android. ML Kit kết hợp các công nghệ ML chuyên gia này với các mô hình được đào tạo trước cho trường hợp sử dụng di động phổ biến, bao gồm trích xuất văn bản từ hình ảnh, quét mã vạch và xác định nội dung của ảnh.

Bất kể bạn có kiến ​​thức nào về ML trước đây hay không, bạn có thể sử dụng ML Kit để thêm khả năng học máy mạnh mẽ cho Android của mình và Các ứng dụng iOS - chỉ cần chuyển một số dữ liệu đến phần chính xác của ML Kit, chẳng hạn như API nhận dạng văn bản hoặc API nhận dạng ngôn ngữ và API này sẽ sử dụng máy học để trả lời phản hồi.

Làm cách nào để sử dụng API ML Kit?

ML Kit được chia thành nhiều API được phân phối như một phần của nền tảng Firebase. Để sử dụng bất kỳ API ML Kit nào, bạn sẽ cần tạo kết nối giữa dự án Android Studio của bạn và dự án Firebase tương ứng, sau đó liên lạc với Firebase.

Hầu hết các mô hình ML Kit đều có sẵn dưới dạng mô hình trên thiết bị mà bạn có thể tải xuống và sử dụng cục bộ, nhưng một số mô hình cũng có sẵn trên đám mây, cho phép ứng dụng của bạn thực hiện các tác vụ do ML cung cấp qua kết nối internet của thiết bị.

Mỗi cách tiếp cận có tập hợp điểm mạnh và điểm yếu riêng, do đó, bạn sẽ cần phải quyết định xem việc xử lý cục bộ hay từ xa có ý nghĩa nhất đối với ứng dụng cụ thể của bạn. Bạn thậm chí có thể thêm hỗ trợ cho cả hai mô hình và sau đó cho phép người dùng của bạn quyết định sử dụng mô hình nào khi chạy. Ngoài ra, bạn có thể định cấu hình ứng dụng của mình để chọn mô hình tốt nhất cho các điều kiện hiện tại, ví dụ: chỉ sử dụng mô hình dựa trên đám mây khi thiết bị được kết nối với Wi-Fi.

Nếu bạn chọn mô hình cục bộ, thì các tính năng học máy của ứng dụng của bạn sẽ luôn khả dụng, bất kể người dùng có kết nối Internet đang hoạt động hay không. Vì tất cả công việc được thực hiện cục bộ, các mô hình trên thiết bị rất lý tưởng khi ứng dụng của bạn cần xử lý nhanh chóng một lượng lớn dữ liệu, ví dụ: nếu bạn sử dụng ML Kit để xử lý luồng video trực tiếp.

Trong khi đó, các mô hình dựa trên đám mây thường cung cấp độ chính xác cao hơn so với các đối tác trên thiết bị của chúng, vì các mô hình đám mây tận dụng sức mạnh của công nghệ học máy trên nền tảng đám mây của Google. Ví dụ: mô hình API gắn nhãn hình ảnh API trên thiết bị bao gồm 400 nhãn, nhưng mô hình đám mây có tính năng hơn 10.000 nhãn.

Tùy thuộc vào API, cũng có thể có một số chức năng mà chỉ có sẵn trong đám mây, ví dụ API nhận dạng văn bản chỉ có thể xác định các ký tự không phải là tiếng Latinh nếu bạn sử dụng mô hình dựa trên đám mây của nó.

Các API dựa trên đám mây chỉ khả dụng cho các dự án Firebase ở cấp độ Blaze, do đó, bạn sẽ cần nâng cấp lên gói Blaze trả tiền, trước khi bạn có thể sử dụng bất kỳ mô hình đám mây ML Kit nào.

Nếu bạn quyết định khám phá các mô hình đám mây, thì tại thời điểm viết bài, có một hạn ngạch miễn phí có sẵn cho tất cả các API ML Kit. Nếu bạn chỉ muốn thử nghiệm Ghi nhãn hình ảnh dựa trên đám mây, thì bạn có thể nâng cấp dự án Firebase của mình lên gói Blaze, kiểm tra API trên dưới 1.000 hình ảnh, sau đó chuyển về gói Spark miễn phí mà không bị tính phí. Tuy nhiên, các điều khoản và điều kiện có thói quen khó chịu thay đổi theo thời gian, vì vậy hãy nhớ đọc bản in nhỏ trước khi nâng cấp lên Blaze, chỉ để đảm bảo rằng bạn không nhận được bất kỳ hóa đơn bất ngờ nào!

Xác định văn bản trong bất kỳ hình ảnh nào, với API nhận dạng văn bản

API nhận dạng văn bản có thể xác định, phân tích và xử lý văn bản một cách thông minh.

Bạn có thể sử dụng API này để tạo các ứng dụng trích xuất văn bản từ một hình ảnh, vì vậy người dùng của bạn không phải lãng phí thời gian vào việc nhập dữ liệu thủ công tẻ nhạt. Ví dụ: bạn có thể sử dụng API nhận dạng văn bản để giúp người dùng của bạn trích xuất và ghi lại thông tin từ biên lai, hóa đơn, danh thiếp hoặc thậm chí nhãn dinh dưỡng, chỉ bằng cách chụp ảnh vật phẩm đang nghi vấn.

Bạn thậm chí có thể sử dụng API nhận dạng văn bản như bước đầu tiên trong ứng dụng dịch thuật, trong đó người dùng chụp ảnh một số văn bản lạ và API trích xuất tất cả văn bản từ hình ảnh, sẵn sàng để được chuyển đến dịch vụ dịch thuật.

API nhận dạng văn bản ML Kit trên thiết bị có thể xác định văn bản bằng bất kỳ ngôn ngữ gốc Latinh nào, trong khi đối tác dựa trên đám mây của nó có thể nhận dạng nhiều ngôn ngữ và ký tự hơn, bao gồm cả các ký tự tiếng Trung, tiếng Nhật và tiếng Hàn. Mô hình dựa trên đám mây cũng được tối ưu hóa để trích xuất văn bản thưa thớt từ hình ảnh và văn bản từ các tài liệu được đóng gói dày đặc, mà bạn nên tính đến khi quyết định sử dụng mô hình nào trong ứng dụng của mình.

Muốn có một số kinh nghiệm thực hành với API này? Sau đó kiểm tra hướng dẫn từng bước của chúng tôi để tạo một ứng dụng có thể trích xuất văn bản từ bất kỳ hình ảnh nào, sử dụng API nhận dạng văn bản.

Hiểu nội dung về hình ảnh: API ghi nhãn hình ảnh

API ghi nhãn hình ảnh có thể nhận ra các thực thể trong một hình ảnh, bao gồm vị trí, con người, sản phẩm và động vật mà không cần bất kỳ siêu dữ liệu theo ngữ cảnh bổ sung nào. API ghi nhãn hình ảnh sẽ trả về thông tin về các thực thể được phát hiện dưới dạng nhãn. Ví dụ: trong ảnh chụp màn hình sau đây, tôi đã cung cấp cho API một bức ảnh thiên nhiên và nó đã phản hồi với các nhãn hiệu như Rừng Rừng Hồi và Sông.

Khả năng nhận dạng hình ảnh này Nội dung có thể giúp bạn tạo các ứng dụng gắn thẻ ảnh dựa trên chủ đề của chúng; các bộ lọc tự động xác định nội dung do người dùng gửi không phù hợp và xóa nội dung đó khỏi ứng dụng của bạn; hoặc làm cơ sở cho chức năng tìm kiếm nâng cao.

Nhiều API ML Kit trả về nhiều kết quả có thể, hoàn thành với điểm tin cậy đi kèm - bao gồm API ghi nhãn hình ảnh. Nếu bạn vượt qua Dán nhãn hình ảnh cho một con chó xù, thì nó có thể trả về các nhãn như chú chó poodle, chú chó, chú chó, chú chó thú cưng và con vật nhỏ, tất cả đều có điểm số khác nhau cho thấy độ tin cậy của API trong mỗi nhãn. Hy vọng, trong kịch bản này, poodle Shaw sẽ có điểm số tự tin cao nhất!

Bạn có thể sử dụng điểm tin cậy này để tạo ngưỡng phải đáp ứng, trước khi ứng dụng của bạn hoạt động trên một nhãn cụ thể, ví dụ như hiển thị nó cho người dùng hoặc gắn thẻ ảnh với nhãn này.

Ghi nhãn hình ảnh có sẵn trên cả thiết bị và trên đám mây, mặc dù nếu bạn chọn mô hình đám mây thì bạn sẽ có quyền truy cập vào hơn 10.000 nhãn, so với 400 nhãn được bao gồm trong mô hình trên thiết bị.

Để có cái nhìn sâu hơn về API ghi nhãn hình ảnh, hãy xem Xác định nội dung hình ảnh bằng cách học máy. Trong bài viết này, chúng tôi xây dựng một ứng dụng xử lý hình ảnh và sau đó trả về nhãn và điểm tin cậy cho từng thực thể được phát hiện trong hình ảnh đó. Chúng tôi cũng triển khai các mô hình trên thiết bị và đám mây trong ứng dụng này, vì vậy bạn có thể thấy chính xác kết quả khác nhau như thế nào, tùy thuộc vào mô hình bạn chọn.

Hiểu biểu cảm và khuôn mặt theo dõi: API nhận diện khuôn mặt

API nhận diện khuôn mặt có thể định vị khuôn mặt của con người trong ảnh, video và luồng trực tiếp, sau đó trích xuất thông tin về từng khuôn mặt được phát hiện, bao gồm vị trí, kích thước và hướng của nó.

Bạn có thể sử dụng API này để giúp người dùng chỉnh sửa ảnh của họ, ví dụ bằng cách tự động cắt xén tất cả các khoảng trống xung quanh tiêu đề mới nhất của họ.

API nhận diện khuôn mặt không bị giới hạn đối với hình ảnh - bạn cũng có thể áp dụng API này cho video, ví dụ: bạn có thể tạo một ứng dụng nhận dạng tất cả các khuôn mặt trong nguồn cấp dữ liệu video và sau đó làm mờ mọi thứ ngoại trừ những khuôn mặt đó, tương tự như tính năng làm mờ nền của Skype.

Nhận diện khuôn mặt là luôn luôn được thực hiện trên thiết bị, trong đó, nó đủ nhanh để được sử dụng trong thời gian thực, do đó, không giống như phần lớn các API ML Kit ML, Nhận diện khuôn mặt không không phải bao gồm một mô hình đám mây.

Ngoài việc phát hiện khuôn mặt, API này còn có một vài tính năng bổ sung đáng để khám phá. Đầu tiên, API nhận diện khuôn mặt có thể xác định các mốc trên khuôn mặt, chẳng hạn như mắt, môi và tai, sau đó lấy tọa độ chính xác cho từng mốc này. Điều này công nhận mốc cung cấp cho bạn bản đồ chính xác của từng khuôn mặt được phát hiện - hoàn hảo để tạo các ứng dụng thực tế tăng cường (AR) có thêm mặt nạ và bộ lọc kiểu Snapchat cho nguồn cấp dữ liệu máy ảnh của người dùng.

API nhận diện khuôn mặt cũng cung cấp khuôn mặt phân loại. Hiện tại, ML Kit hỗ trợ hai phân loại khuôn mặt: mở mắt và mỉm cười.

Bạn có thể sử dụng phân loại này làm cơ sở cho các dịch vụ trợ năng, chẳng hạn như điều khiển rảnh tay hoặc để tạo các trò chơi phản ứng với biểu cảm khuôn mặt của người chơi. Khả năng phát hiện xem ai đó đang cười hay mở mắt cũng có thể có ích nếu bạn đang tạo một ứng dụng máy ảnh - sau tất cả, không có gì tệ hơn là chụp một loạt ảnh, chỉ sau đó phát hiện ra rằng ai đó đã nhắm mắt lại trong mỗi lần bắn.

Cuối cùng, API nhận diện khuôn mặt bao gồm một thành phần theo dõi khuôn mặt, chỉ định ID cho một khuôn mặt và sau đó theo dõi khuôn mặt đó qua nhiều khung hình hoặc video liên tiếp. Lưu ý rằng đây là khuôn mặt theo dõi và không đúng mặt sự công nhận. Đằng sau hậu trường, API nhận diện khuôn mặt đang theo dõi vị trí và chuyển động của khuôn mặt và sau đó suy luận rằng khuôn mặt này có thể thuộc về cùng một người, nhưng cuối cùng, nó không biết về danh tính của người.

Hãy thử API nhận diện khuôn mặt cho chính bạn! Tìm hiểu cách xây dựng một ứng dụng nhận diện khuôn mặt với máy học và Firebase ML Kit.

Quét mã vạch với Firebase và ML

Quét mã vạch có thể không thú vị như một số API học máy khác, nhưng nó là một trong những phần dễ tiếp cận nhất của ML Kit.

Quét mã vạch không có yêu cầu bất kỳ phần cứng hoặc phần mềm chuyên dụng nào, vì vậy bạn có thể sử dụng API quét mã vạch trong khi đảm bảo ứng dụng của bạn vẫn có thể truy cập được cho nhiều người nhất có thể, kể cả người dùng trên các thiết bị cũ hoặc ngân sách. Miễn là một thiết bị có một camera hoạt động, nó sẽ không gặp vấn đề gì khi quét mã vạch.

API quét mã vạch của ML Kit có thể trích xuất một loạt thông tin từ mã vạch được in và kỹ thuật số, giúp cho việc truyền thông tin từ thế giới thực vào ứng dụng của bạn một cách nhanh chóng, dễ dàng và dễ dàng .

Có chín loại dữ liệu khác nhau mà API quét mã vạch có thể nhận ra và phân tích từ mã vạch:

• TYPE_CALENDAR_EVENT. Thông tin này chứa thông tin như vị trí tổ chức sự kiện, người tổ chức và thời gian bắt đầu và kết thúc.Nếu bạn đang quảng cáo một sự kiện, thì bạn có thể bao gồm một mã vạch được in trên áp phích hoặc tờ rơi của bạn hoặc có mã vạch kỹ thuật số trên trang web của bạn. Những người tham dự tiềm năng sau đó có thể trích xuất tất cả thông tin về sự kiện của bạn, chỉ bằng cách quét mã vạch của nó.
• TYPE_CONTACT_INFO. Kiểu dữ liệu này bao gồm các thông tin như địa chỉ email liên hệ, tên, số điện thoại và tiêu đề.
• TYPE_DRIVER_LICENSE. Thông tin này chứa thông tin như đường phố, thành phố, tiểu bang, tên và ngày sinh liên quan đến giấy phép lái xe.
• TYPE_EMAIL. Kiểu dữ liệu này bao gồm một địa chỉ email, cộng với dòng tiêu đề email và văn bản nội dung.
• TYPE_GEO. Điều này chứa vĩ độ và kinh độ cho một điểm địa lý cụ thể, đây là cách dễ dàng để chia sẻ vị trí với người dùng của bạn hoặc để họ chia sẻ vị trí của họ với người khác. Bạn thậm chí có thể sử dụng mã vạch địa lý để kích hoạt các sự kiện dựa trên vị trí, chẳng hạn như hiển thị một số thông tin hữu ích về vị trí hiện tại của người dùng hoặc làm cơ sở cho các trò chơi di động dựa trên vị trí.
• TYPE_PHONE. Số này chứa số điện thoại và loại Số, ví dụ: cho dù đó là một công việc hay số điện thoại nhà.
• TYPE_SMS. Điều này có chứa một số văn bản cơ thể SMS và số điện thoại liên quan đến SMS.
• TYPE_URL. Kiểu dữ liệu này chứa một URL và tiêu đề URL. Quét mã vạch TYPE_URL dễ dàng hơn nhiều so với việc dựa vào người dùng của bạn để nhập một URL dài, phức tạp theo cách thủ công mà không mắc lỗi chính tả hoặc lỗi chính tả.
• TYPE_WIFI. Điều này có chứa mật khẩu và SSID mạng mạng Wi-Fi, cộng với loại mã hóa như OPEN, WEP hoặc WPA. Mã vạch Wi-Fi là một trong những cách dễ nhất để chia sẻ thông tin đăng nhập Wi-Fi, đồng thời loại bỏ hoàn toàn nguy cơ người dùng của bạn nhập thông tin này không chính xác.

API quét mã vạch có thể phân tích dữ liệu từ một loạt các mã vạch khác nhau, bao gồm các định dạng tuyến tính như Codabar, Mã 39, EAN-8, ITF và UPC-A và các định dạng 2D như Aztec, Ma trận dữ liệu và Mã QR.

Để giúp người dùng cuối của bạn dễ dàng hơn, API này quét đồng thời tất cả các mã vạch được hỗ trợ và cũng có thể trích xuất dữ liệu bất kể định hướng của mã vạch - vì vậy, không vấn đề gì nếu mã vạch bị lộn ngược hoàn toàn khi người dùng quét nó!

Học máy trong đám mây: API nhận dạng Landmark

Bạn có thể sử dụng API ML Kit Landmark Landmark Recognition để xác định các mốc tự nhiên và được xây dựng nổi tiếng trong một hình ảnh.

Nếu bạn chuyển API này một hình ảnh có chứa một mốc nổi tiếng, thì nó sẽ trả lại tên của mốc đó, các giá trị kinh độ và vĩ độ của cột mốc và một hộp giới hạn cho biết nơi phát hiện ra mốc đó trong hình ảnh.

Bạn có thể sử dụng API nhận dạng Landmark để tạo các ứng dụng tự động gắn thẻ ảnh của người dùng hoặc để cung cấp trải nghiệm tùy chỉnh hơn, ví dụ: nếu ứng dụng của bạn nhận ra rằng người dùng đang chụp ảnh tháp Eiffel, thì nó có thể cung cấp một số sự thật thú vị về mốc này, hoặc đề xuất các điểm du lịch tương tự, gần đó mà người dùng có thể muốn ghé thăm tiếp theo.

Bất thường đối với ML Kit, API phát hiện Landmark chỉ khả dụng dưới dạng API dựa trên đám mây, vì vậy ứng dụng của bạn sẽ chỉ có thể thực hiện phát hiện mốc khi thiết bị có kết nối Internet đang hoạt động.

API nhận dạng ngôn ngữ: Phát triển cho khán giả quốc tế

Ngày nay, các ứng dụng Android được sử dụng ở mọi nơi trên thế giới, bởi những người dùng nói nhiều ngôn ngữ khác nhau.

API nhận dạng ngôn ngữ của ML Kit có thể giúp ứng dụng Android của bạn thu hút khán giả quốc tế, bằng cách lấy một chuỗi văn bản và xác định ngôn ngữ được viết. API nhận dạng ngôn ngữ có thể xác định hơn một trăm ngôn ngữ khác nhau, bao gồm cả văn bản La Mã cho tiếng Ả Rập, tiếng Bulgaria, Trung Quốc, Hy Lạp, Hindi, Nhật Bản và Nga.

API này có thể là một bổ sung có giá trị cho bất kỳ ứng dụng nào xử lý văn bản do người dùng cung cấp, vì văn bản này hiếm khi bao gồm bất kỳ thông tin ngôn ngữ nào. Bạn cũng có thể sử dụng API nhận dạng ngôn ngữ trong các ứng dụng dịch thuật, là bước đầu tiên để dịch bất cứ điều gì, là biết ngôn ngữ mà bạn làm việc với! Ví dụ: nếu người dùng trỏ camera của thiết bị của họ vào menu, thì ứng dụng của bạn có thể sử dụng API nhận dạng ngôn ngữ để xác định rằng menu được viết bằng tiếng Pháp và sau đó đề nghị dịch menu này bằng dịch vụ như API dịch thuật đám mây ( có lẽ sau khi trích xuất văn bản của nó, sử dụng API nhận dạng văn bản?)

Tùy thuộc vào chuỗi được đề cập, API nhận dạng ngôn ngữ có thể trả về nhiều ngôn ngữ tiềm năng, kèm theo điểm tin cậy để bạn có thể xác định ngôn ngữ được phát hiện nào có khả năng đúng nhất. Lưu ý rằng tại thời điểm viết ML Kit không thể nhận dạng nhiều ngôn ngữ khác nhau trong cùng một chuỗi.

Để đảm bảo API này cung cấp nhận dạng ngôn ngữ theo thời gian thực, API nhận dạng ngôn ngữ chỉ khả dụng dưới dạng mô hình trên thiết bị.

Sắp có: Trả lời thông minh

Google có kế hoạch thêm nhiều API hơn vào ML Kit trong tương lai, nhưng chúng tôi đã biết về một API sắp ra mắt.

Theo trang web ML Kit, sắp tới API trả lời thông minh sẽ cho phép bạn cung cấp trả lời nhắn tin theo ngữ cảnh trong các ứng dụng của mình, bằng cách đề xuất các đoạn văn bản phù hợp với bối cảnh hiện tại. Dựa trên những gì chúng ta đã biết về API này, có vẻ như Trả lời thông minh sẽ tương tự như tính năng phản hồi được đề xuất đã có trong ứng dụng Android, Wear OS và Gmail.

Ảnh chụp màn hình sau đây cho thấy tính năng phản hồi được đề xuất hiện trong Gmail.

Cái gì tiếp theo? Sử dụng TensorFlow Lite với ML Kit

ML Kit cung cấp các mô hình được xây dựng sẵn cho các trường hợp sử dụng di động phổ biến, nhưng tại một số điểm bạn có thể muốn vượt ra ngoài các mô hình đã sẵn sàng này.

Nó có thể tạo các mô hình ML của riêng bạn bằng cách sử dụng TensorFlow Lite và sau đó phân phối chúng bằng ML Kit. Tuy nhiên, chỉ cần lưu ý rằng không giống như các API được tạo sẵn ML Kit, làm việc với các mô hình ML của riêng bạn yêu cầu một có ý nghĩa số lượng chuyên môn ML.

Khi bạn đã tạo các mô hình TensorFlow Lite của mình, bạn có thể tải chúng lên Firebase và sau đó Google sẽ quản lý việc lưu trữ và phục vụ các mô hình đó cho người dùng cuối của bạn. Trong kịch bản này, ML Kit hoạt động như một lớp API trên mô hình tùy chỉnh của bạn, giúp đơn giản hóa một số công việc nặng nề liên quan đến việc sử dụng các mô hình tùy chỉnh. Đáng chú ý nhất, ML Kit sẽ tự động đẩy phiên bản mới nhất của mô hình của bạn đến người dùng của bạn, vì vậy bạn đã giành chiến thắng để phải cập nhật ứng dụng của mình mỗi khi bạn muốn điều chỉnh mô hình của mình.

Để cung cấp trải nghiệm người dùng tốt nhất có thể, bạn có thể chỉ định các điều kiện phải đáp ứng, trước khi ứng dụng của bạn tải xuống các phiên bản mới của mô hình TensorFlow Lite của bạn, ví dụ: chỉ cập nhật kiểu máy khi thiết bị ở chế độ rảnh, sạc hoặc kết nối với Wi- Fi. Thậm chí, bạn có thể sử dụng ML Kit và TensorFlow Lite cùng với các dịch vụ Firebase khác, ví dụ như sử dụng Firebase Remote Config và Firebase A / B tests để phục vụ các mô hình khác nhau cho các nhóm người dùng khác nhau.

Nếu bạn muốn vượt ra ngoài các mô hình được xây dựng sẵn, hoặc các mô hình hiện có ML Kit, thì không thể đáp ứng nhu cầu của bạn, sau đó bạn có thể tìm hiểu thêm về cách tạo các mô hình học máy của riêng mình, tại các tài liệu chính thức của Firebase.

Gói lại

Trong bài viết này, chúng tôi đã xem xét từng thành phần của bộ công cụ học máy Google Google và đề cập đến một số tình huống phổ biến mà bạn có thể muốn sử dụng từng API ML Kit.

Google đang có kế hoạch thêm nhiều API trong tương lai, vậy bạn muốn thấy API máy học nào được thêm vào ML Kit tiếp theo? Cho chúng tôi biết trong các ý kiến ​​dưới đây!