প্রতিদিন, Zyl ব্যবহারকারীদের একটি বিশেষ স্মৃতি পুনরায় আবিষ্কার করার এবং তাদের প্রিয়জনের সাথে শেয়ার করার সুযোগ দেয়। ইমেজ বিশ্লেষণ ব্যবহার করে, অ্যাপটি তাদের ব্যবহারকারীদের লাইব্রেরি থেকে অর্থপূর্ণ ফটো, ভিডিও এবং জিআইএফ শনাক্ত করে এবং সেগুলিকে একবারে এক এক করে পুনরুত্থিত করে।

প্রাথমিকভাবে, Zyl তাদের ব্যবহারকারীদের জন্য সবচেয়ে অর্থবহ স্মৃতির জন্ম দেবে এমন চিত্রগুলি সনাক্ত করতে তাদের নিজস্ব মেশিন লার্নিং মডেল তৈরি করেছে। কিন্তু যেহেতু তাদের মডেলগুলি সরাসরি ব্যবহারকারীর ডিভাইসে চলে, তাই তারা ব্যাটারি লাইফ এবং বিশাল মিডিয়া রোলের মতো সাধারণ স্মার্টফোনের সমস্যাগুলির দ্বারাও সীমাবদ্ধ।

তাই দলটি ব্যবহারকারীর মিডিয়া লাইব্রেরি থেকে মুখ এবং বস্তুগুলি বের করার জন্য একটি নতুন মডেল তৈরি করেছে এবং তাদের সম্ভাব্য সর্বাধিক আকার- এবং শক্তি-দক্ষ উপায়ে লেবেল করার চেষ্টা করেছে। কিন্তু তারা দ্রুত নিজেদেরকে 200MB মডেলের সাথে অভিভূত করেছে যা অ্যাপটিকে ধীর করে দিয়েছে এবং ব্যবহারকারীর প্রথম অভিজ্ঞতাকে ভেঙে দিয়েছে!

Zyl ML Kit এর ফেস ডিটেকশন এবং ইমেজ লেবেলিং এপিআই প্রয়োগ করেছে যা অ্যাপটিকে ধীর না করে কাজটি করার জন্য সঠিক পরিমাণে ভারী উত্তোলন প্রদান করে। "এটি আমাদের প্রয়োজনের জন্য নিখুঁত ছিল," বলেছেন অরেলিয়ান সিব্রিল, জিল-এর সিটিও৷ "এটি দ্রুত চলে, একটি ছোট মেমরি ফুটপ্রিন্ট রয়েছে এবং খুব ভাল আউটপুট নির্ভুলতার সাথে ডিভাইসে চলে।" এছাড়াও, এই সমস্যাটি ML Kit-এ আউটসোর্স করে, Zyl-এর দল তাদের শিল্প এবং ব্যবসায়িক মডেলের জন্য আরও নির্দিষ্ট ছোট মেশিন লার্নিং মডেলগুলিতে আরও বেশি সময় ব্যয় করতে পারে।

ইন্টিগ্রেশন দ্রুত এবং সহজ ছিল — মাত্র কয়েক সপ্তাহের মধ্যে এটি উৎপাদনে ছিল। “মোবাইল টিম এবং ডেটা সায়েন্স টিম একে অপরের চাহিদা বুঝতে পেরেছে তা নিশ্চিত করার জন্য আমাদের নিজস্ব মডেল ব্যবহার করার জন্য প্রচুর ইন্টিগ্রেশন পরীক্ষার প্রয়োজন। পরিবর্তে এমএল কিট ব্যবহার করা আমাদের একীকরণের সপ্তাহ বাঁচিয়েছে,” সিব্রিল বলেছেন।

ML Kit API-এর জন্য Zyl-এর বিশাল বস্তু শনাক্তকরণ মডেল স্যুইচ করা অ্যাপের কার্যক্ষমতার উপর তাৎক্ষণিক প্রভাব ফেলে, যার ফলে ব্যবহারকারীর সন্তুষ্টি বৃদ্ধি পায়। এখনই, তাদের অ্যাপের আকার 50% কমে গেছে।

এমএল কিট ফেস ডিটেকশন এপিআই তাদের আসল মডেলের তুলনায় 85 গুণ দ্রুত গতিতে চলে, দলটিকে প্রচুর অতিরিক্ত প্রক্রিয়াকরণ থেকে মুক্ত করে। এখন তারা একটি স্ট্যান্ডার্ড ডিপ-লার্নিং কার্যকারিতা বজায় রাখার বিষয়ে চিন্তা না করে আবার তাদের মূল পণ্যের উপর ফোকাস করতে পারে।