Cette page a été traduite par l'API Cloud Translation.

Migrer pour Android

Mettre à jour les importations Gradle

Le nouveau SDK ne nécessite qu'une seule dépendance pour chaque API ML Kit. Vous n'avez pas besoin de spécifier des bibliothèques courantes telles que firebase-ml-vision ou firebase-ml-natural-language. ML Kit utilise l'espace de noms com.google.android.gms pour les bibliothèques qui dépendent des services Google Play.

API Vision

Les modèles groupés sont fournis avec votre application. Les modèles minces doivent être téléchargés. Certaines API sont disponibles sous forme groupée et fine, d'autres sous une forme ou sous l'autre:

API	Groupée	Très fin
Reconnaissance de texte	x (bêta)	x
Détection de visages	x	x
Lecture de codes-barres	x	x
Étiquetage d'images	x	x
Détectez les objets et assurez leur suivi.	x	-

Mettez à jour les dépendances des bibliothèques Android de ML Kit dans le fichier Gradle de votre module (au niveau de l'application) (généralement app/build.gradle) en suivant les tableaux suivants:

Modèles groupés

API	Anciens artefacts	Nouvel artefact
Lecture de codes-barres	com.google.firebase:firebase-ml-vision:24.0.1 com.google.firebase:firebase-ml-vision-barcode-model:16.0.1	com.google.mlkit:barcode-scanning:17.2.0
Contour du visage	com.google.firebase:firebase-ml-vision:24.0.1 com.google.firebase:firebase-ml-vision-face-model:19.0.0	com.google.mlkit:face-detection:16.1.6
Étiquetage d'images	com.google.firebase:firebase-ml-vision:24.0.1 com.google.firebase:firebase-ml-vision-image-label-model:19.0.0	com.google.mlkit:image-labeling:17.0.8
Détection d'objets	com.google.firebase:firebase-ml-vision:24.0.1 com.google.firebase:firebase-ml-vision-object-detection-model:19.0.3	com.google.mlkit:object-detection:17.0.1

Modèles minces

API	Anciens artefacts	Nouvel artefact
Lecture de codes-barres	com.google.firebase:firebase-ml-vision:24.0.1	com.google.android.gms:play-services-mlkit-barcode-scanning:18.3.0
Détection de visages	com.google.firebase:firebase-ml-vision:24.0.1	com.google.android.gms:play-services-mlkit-face-detection:17.1.0
Reconnaissance de texte	com.google.firebase:firebase-ml-vision:24.0.1	com.google.android.gms:play-services-mlkit-text-recognition:19.0.0

AutoMLVision Edge

API	Ancien artefact	Nouvel artefact
AutoML sans téléchargement	com.google.firebase:firebase-ml-vision:24.0.1 com.google.firebase:firebase-ml-vision-automl:18.0.3	com.google.mlkit:image-labeling-custom:17.0.2
AutoML avec téléchargement	com.google.firebase:firebase-ml-vision:24.0.1 com.google.firebase:firebase-ml-vision-automl:18.0.3	com.google.mlkit:image-labeling-custom:17.0.2 com.google.mlkit:linkfirebase:17.0.0

API Natural Language

Les modèles groupés sont fournis avec votre application. Les modèles minces doivent être téléchargés:

API	Groupée	Très fin
ID de langue	x	x
Réponse suggérée	x	x (bêta)

Modèles groupés

API	Anciens artefacts	Nouvel artefact
ID de langue	com.google.firebase:firebase-ml-natural-language:22.0.0 com.google.firebase:firebase-ml-natural-language-language-id-model:20.0.7	com.google.mlkit:language-id:17.0.5
Réponse suggérée	com.google.firebase:firebase-ml-natural-language:22.0.0 com.google.firebase:firebase-ml-natural-language-smart-reply-model:20.0.7	com.google.mlkit:smart-reply:17.0.3

Modèles minces

API	Anciens artefacts	Nouvel artefact
ID de langue	com.google.firebase:firebase-ml-natural-language:22.0.0 com.google.firebase:firebase-ml-natural-language-language-id-model:20.0.7	com.google.android.gms:play-services-mlkit-language-id:17.0.0
Réponse suggérée	com.google.firebase:firebase-ml-natural-language:22.0.0 com.google.firebase:firebase-ml-natural-language-smart-reply-model:20.0.7	com.google.android.gms:play-services-mlkit-smart-reply:16.0.0-beta1

Modifier les noms des classes

Si votre cours apparaît dans ce tableau, apportez la modification indiquée:

Ancien cours	Nouveau cours
com.google.firebase.ml.common.FirebaseMLException	com.google.mlkit.common.MlKitException
com.google.firebase.ml.vision.common.FirebaseVisionImage	com.google.mlkit.vision.common.InputImage
com.google.firebase.ml.vision.barcode.FirebaseVisionBarcodeDetector	com.google.mlkit.vision.barcode.BarcodeScanner
com.google.firebase.ml.vision.labeler.FirebaseVisionImageLabel	com.google.mlkit.vision.label.ImageLabeler
com.google.firebase.ml.vision.barcode.FirebaseVisionBarcodeDetector	com.google.mlkit.vision.barcode.BarcodeScanner
com.google.firebase.ml.vision.automl.FirebaseAutoMLLocalModel	com.google.mlkit.common.model.LocalModel
com.google.firebase.ml.vision.automl.FirebaseAutoMLRemoteModel	com.google.mlkit.common.model.CustomRemoteModel
com.google.firebase.ml.vision.label.FirebaseVisionOnDeviceImageLabelerOptions	com.google.mlkit.vision.label.defaults.ImageLabelerOptions
com.google.firebase.ml.vision.label.FirebaseVisionImageLabel	com.google.mlkit.vision.label.ImageLabel
com.google.firebase.ml.vision.label.FirebaseVisionOnDeviceAutoMLImageLabelerOptions	com.google.mlkit.vision.label.custom.CustomImageLabelerOptions
com.google.firebase.ml.vision.objects.FirebaseVisionObjectDetectorOptions	com.google.mlkit.vision.objects.defaults.ObjectDetectorOptions

Pour les autres cours, suivez ces règles:

Supprimez le préfixe FirebaseVision du nom de la classe.
Supprimez les autres préfixes commençant par le préfixe Firebase du nom de la classe.

De plus, dans les noms de packages, remplacez le préfixe com.google.firebase.ml par com.google.mlkit.

Mettre à jour les noms des méthodes

Les modifications de code sont minimes:

L'instanciation du détecteur/scanner/étiqueteur/du traducteur a été modifiée. Chaque fonctionnalité dispose désormais de son propre point d'entrée. Exemples: Lecture de codes-barres, reconnaissance de texte, étiquetage d'images, traduction... Les appels au service Firebase getInstance() sont remplacés par des appels à la méthode getClient() du point d'entrée de la fonctionnalité.
L'instanciation par défaut de TextRecognizer a été supprimée, car nous avons ajouté des bibliothèques supplémentaires pour reconnaître d'autres scripts tels que le chinois et le coréen. Pour utiliser les options par défaut avec le modèle de reconnaissance de texte en script latin, veuillez déclarer une dépendance à com.google.android.gms:play-services-mlkit-text-recognition et utiliser TextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS).
L'instanciation par défaut pour ImageLabeler et ObjectDetector a été supprimée, car nous avons introduit la prise en charge des modèles personnalisés pour ces deux caractéristiques. Par exemple, pour utiliser les options par défaut avec le modèle de base dans ImageLabeling, veuillez déclarer une dépendance sur com.google.mlkit:image-labeling et utiliser ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS) en Java.
Toutes les poignées (détecteur/scanner/étiqueteur/traducteur, etc.) peuvent être fermées. Assurez-vous que la méthode close() est appelée lorsque ces objets ne sont plus utilisés. Si vous les utilisez dans un fragment ou AppCompatActivity, vous pouvez facilement appeler LifecycleOwner.getLifecycle() sur le fragment ou AppCompatActivity, puis appeler Lifecycle.addObserver.
processImage() et detectInImage() ont été renommés process() dans les API Vision pour plus de cohérence.
Les API Natural Language utilisent désormais le terme "balise de langue" (tel que défini par la norme BCP 47) au lieu de "code de langue".
Suppression des méthodes Getter des classes xxxOptions.
La méthode getBitmap() de la classe InputImage(en remplaçant FirebaseVisionImage) n'est plus prise en charge dans l'interface publique. Reportez-vous à BitmapUtils.java dans l'exemple de démarrage rapide de ML Kit pour obtenir la conversion de bitmap à partir de différentes entrées.
Suppression de FirebaseVisionImageMetadata. Vous pouvez simplement transmettre des métadonnées d'image telles que la largeur, la hauteur, la rotationDegrees et le format aux méthodes de construction des InputImages.

Voici quelques exemples de méthodes Kotlin anciennes et nouvelles:

Ancienne version

// Construct image labeler with base model and default options.
val imageLabeler = FirebaseVision.getInstance().onDeviceImageLabeler

// Construct object detector with base model and default options.
val objectDetector = FirebaseVision.getInstance().onDeviceObjectDetector

// Construct face detector with given options
val faceDetector = FirebaseVision.getInstance().getVisionFaceDetector(options)

// Construct image labeler with local AutoML model
val localModel =
    FirebaseAutoMLLocalModel.Builder()
      .setAssetFilePath("automl/manifest.json")
      .build()
val autoMLImageLabeler =
    FirebaseVision.getInstance()
      .getOnDeviceAutoMLImageLabeler(
          FirebaseVisionOnDeviceAutoMLImageLabelerOptions.Builder(localModel)
            .setConfidenceThreshold(0.3F)
            .build()
    )

Nouvelle version

// Construct image labeler with base model and default options.
val imageLabeler = ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS)
// Optional: add life cycle observer
lifecycle.addObserver(imageLabeler)

// Construct object detector with base model and default options.
val objectDetector = ObjectDetection.getClient(ObjectDetectorOptions.DEFAULT_OPTIONS)

// Construct face detector with given options
val faceDetector = FaceDetection.getClient(options)

// Construct image labeler with local AutoML model
val localModel =
  LocalModel.Builder()
    .setAssetManifestFilePath("automl/manifest.json")
    .build()
val autoMLImageLabeler =
  ImageLabeling.getClient(
    CustomImageLabelerOptions.Builder(localModel)
    .setConfidenceThreshold(0.3F).build())

Voici quelques exemples de méthodes Java anciennes et nouvelles:

Ancienne version

// Construct image labeler with base model and default options.
FirebaseVisionImageLabeler imagelLabeler =
     FirebaseVision.getInstance().getOnDeviceImageLabeler();

// Construct object detector with base model and default options.
FirebaseVisionObjectDetector objectDetector =
     FirebaseVision.getInstance().getOnDeviceObjectDetector();

// Construct face detector with given options
FirebaseVisionFaceDetector faceDetector =
     FirebaseVision.getInstance().getVisionFaceDetector(options);

// Construct image labeler with local AutoML model
FirebaseAutoMLLocalModel localModel =
    new FirebaseAutoMLLocalModel.Builder()
      .setAssetFilePath("automl/manifest.json")
      .build();
FirebaseVisionImageLabeler autoMLImageLabeler =
    FirebaseVision.getInstance()
      .getOnDeviceAutoMLImageLabeler(
          FirebaseVisionOnDeviceAutoMLImageLabelerOptions.Builder(localModel)
            .setConfidenceThreshold(0.3F)
            .build());

Nouvelle version

// Construct image labeler with base model and default options.
ImageLabeler imageLabeler = ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS);
// Optional: add life cycle observer
getLifecycle().addObserver(imageLabeler);

// Construct object detector with base model and default options.
ObjectDetector objectDetector = ObjectDetection.getClient(ObjectDetectorOptions.DEFAULT_OPTIONS);

// Construct face detector with given options
FaceDetector faceDetector = FaceDetection.getClient(options);

// Construct image labeler with local AutoML model
LocalModel localModel =
  new LocalModel.Builder()
    .setAssetManifestFilePath("automl/manifest.json")
    .build();
ImageLabeler autoMLImageLabeler =
  ImageLabeling.getClient(
    new CustomImageLabelerOptions.Builder(localModel)
    .setConfidenceThreshold(0.3F).build());

Modifications spécifiques aux API

Lecture de codes-barres

Pour l'API Barcode Scanning, il existe désormais deux façons de diffuser les modèles:

Via les services Google Play, également appelés "fin" (recommandé) : cette option permet de réduire la taille de l'application et de partager le modèle entre les applications. Toutefois, les développeurs devront s'assurer que le modèle est téléchargé avant de l'utiliser pour la première fois.
Avec l'APK de votre application, ou "bundle" : la taille de l'application augmente, mais le modèle est utilisable immédiatement.

Les deux implémentations sont légèrement différentes, la version "groupée" présentant un certain nombre d'améliorations par rapport à la version "fine". Pour en savoir plus sur ces différences, consultez les consignes de l'API Barcode Scanning.

Détection de visages

Pour l'API Face Detection, les modèles peuvent être fournis de deux façons:

Via les services Google Play, également appelés "fin" (recommandé) : cette option permet de réduire la taille de l'application et de partager le modèle entre les applications. Toutefois, les développeurs devront s'assurer que le modèle est téléchargé avant de l'utiliser pour la première fois.
Avec l'APK de votre application, ou "bundle" : la taille de téléchargement de l'application augmente, mais le modèle est utilisable immédiatement.

Le comportement des implémentations est le même.

Traduction

TranslateLanguage utilise désormais des noms lisibles pour ses constantes (par exemple, ENGLISH) au lieu des balises de langue (EN). Il s'agit également de @StringDef au lieu de @IntDef, et la valeur de la constante est la balise de langue BCP 47 correspondante.
Si votre application utilise l'option de condition de téléchargement "appareil inactif", sachez qu'elle a été supprimée et qu'elle ne peut plus être utilisée. Vous pouvez toujours utiliser l'option "Recharge de l'appareil". Si vous souhaitez un comportement plus complexe, vous pouvez retarder l'appel de RemoteModelManager.download derrière votre propre logique.

Étiquetage d'images AutoML

Si votre application utilise l'option de condition de téléchargement "appareil inactif", sachez qu'elle a été supprimée et qu'elle ne peut plus être utilisée. Vous pouvez toujours utiliser l'option « Recharge de l'appareil ».

Si vous souhaitez un comportement plus complexe, vous pouvez retarder l'appel de RemoteModelManager.download derrière votre propre logique.

Détection et suivi des objets

Si votre application utilise la détection d'objets avec une classification approximative, sachez que le nouveau SDK a modifié la façon dont il renvoie la catégorie de classification pour les objets détectés.

La catégorie de classification est renvoyée en tant qu'instance de DetectedObject.Label au lieu d'un entier. Toutes les catégories possibles pour le classificateur grossier sont incluses dans la classe PredefinedCategory.

Voici un exemple de l'ancien et du nouveau code Kotlin:

Ancienne version

if (object.classificationCategory == FirebaseVisionObject.CATEGORY_FOOD) {
    ...
}

Nouvelle version

if (!object.labels.isEmpty() && object.labels[0].text == PredefinedCategory.FOOD) {
    ...
}
// or
if (!object.labels.isEmpty() && object.labels[0].index == PredefinedCategory.FOOD_INDEX) {
    ...
}

Voici des exemples de l'ancien et du nouveau code Java:

Ancienne version

if (object.getClassificationCategory() == FirebaseVisionObject.CATEGORY_FOOD) {
    ...
}

Nouvelle version

if (!object.getLabels().isEmpty()
    && object.getLabels().get(0).getText().equals(PredefinedCategory.FOOD)) {
    ...
}
// or
if (!object.getLabels().isEmpty()
    && object.getLabels().get(0).getIndex() == PredefinedCategory.FOOD_INDEX) {
    ...
}

La catégorie "Inconnu" a été supprimée. Lorsque le niveau de confiance de la classification d'un objet est faible, nous ne renvoyons simplement aucune étiquette.

Supprimer les dépendances Firebase (facultatif)

Cette étape ne s'applique que lorsque les conditions suivantes sont remplies:

Firebase ML Kit est le seul composant Firebase que vous utilisez.
Vous n'utilisez que des API sur l'appareil.
Vous n'utilisez pas l'inférence du modèle.

Dans ce cas, vous pouvez supprimer les dépendances Firebase après la migration. Procédez comme suit :

Supprimez le fichier de configuration Firebase en supprimant le fichier de configuration google-services.json dans le répertoire de module (au niveau de l'application) de votre application.
Remplacez le plug-in Gradle des services Google dans le fichier Gradle de votre module (au niveau de l'application) (généralement app/build.gradle) par le plug-in Strict Version Matcher:

Avant

apply plugin: 'com.android.application'
apply plugin: 'com.google.gms.google-services'  // Google Services plugin

android {
  // …
}

Après

apply plugin: 'com.android.application'
apply plugin: 'com.google.android.gms.strict-version-matcher-plugin'

android {
  // …
}

Remplacez le classpath du plug-in Gradle des services Google dans le fichier Gradle (build.gradle) de votre projet (au niveau racine) par celui du plug-in Strict Version Matcher:

Avant

buildscript {
  dependencies {
    // ...

    classpath 'com.google.gms:google-services:4.3.3'  // Google Services plugin
  }
}

Après

buildscript {
  dependencies {
    // ...

    classpath 'com.google.android.gms:strict-version-matcher-plugin:1.2.1'
  }
}

Supprimez votre application Firebase dans la console Firebase en suivant les instructions du site d'assistance de Firebase.

Obtenir de l'aide

Si vous rencontrez des problèmes, veuillez consulter la page de la communauté. Vous y trouverez une liste des canaux disponibles pour nous contacter.