Memperbarui impor gradle
SDK baru hanya memerlukan satu dependensi untuk setiap ML Kit API. Anda tidak perlu menentukan library umum seperti firebase-ml-vision
atau firebase-ml-natural-language
.
ML Kit menggunakan namespace com.google.android.gms
untuk library yang bergantung pada Layanan Google Play.
Vision API
Model terpaket dikirimkan sebagai bagian dari aplikasi Anda. Model tipis harus didownload. Beberapa API tersedia dalam bentuk paket dan tipis, yang lainnya hanya dalam satu bentuk atau bentuk lainnya:
API | Paket | Tipis |
---|---|---|
Pengenalan teks | x (beta) | x |
Deteksi wajah | x | x |
Pemindaian kode batang | x | x |
Pelabelan gambar | x | x |
Deteksi dan pelacakan objek | x | - |
Update dependensi untuk library Android ML Kit dalam file Gradle modul (level aplikasi), biasanya app/build.gradle
, sesuai dengan tabel berikut:
Model paket
API | Artefak Lama | Artefak Baru |
---|---|---|
Pemindaian kode batang | 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 |
Kontur wajah | 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 |
Pelabelan gambar | 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 |
Deteksi objek | 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 |
Model tipis
API | Artefak Lama | Artefak Baru |
---|---|---|
Pemindaian kode batang | com.google.firebase:firebase-ml-vision:24.0.1 | com.google.android.gms:play-services-mlkit-barcode-scanning:18.3.0 |
Deteksi wajah | com.google.firebase:firebase-ml-vision:24.0.1 | com.google.android.gms:play-services-mlkit-face-detection:17.1.0 |
Pengenalan teks | com.google.firebase:firebase-ml-vision:24.0.1 | com.google.android.gms:play-services-mlkit-text-recognition:19.0.0 |
AutoMLVision Edge
API | Artefak Lama | Artefak Baru |
---|---|---|
AutoML tanpa mendownload | 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 dengan mendownload | 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 |
Natural Language API
Model terpaket dikirimkan sebagai bagian dari aplikasi Anda. Model tipis harus didownload:
API | Paket | Tipis |
---|---|---|
ID Bahasa | x | x |
Smart Reply | x | x (beta) |
Update dependensi untuk library Android ML Kit dalam file Gradle modul (level aplikasi), biasanya app/build.gradle
, sesuai dengan tabel berikut:
Model paket
API | Artefak Lama | Artefak Baru |
---|---|---|
ID Bahasa | 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 |
Smart Reply | 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 |
Model tipis
API | Artefak Lama | Artefak Baru |
---|---|---|
ID Bahasa | 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 |
Smart Reply | 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 |
Memperbarui nama class
Jika kelas Anda muncul dalam tabel ini, buat perubahan yang ditunjukkan:
Kelas lama | Kelas baru |
---|---|
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 |
Untuk kelas lainnya, ikuti aturan berikut:
- Hapus awalan
FirebaseVision
dari nama class. - Hapus awalan lain yang diawali dengan imbuhan
Firebase
dari nama class.
Selain itu, dalam nama paket, ganti awalan com.google.firebase.ml
dengan com.google.mlkit
.
Memperbarui nama metode
Ada sedikit perubahan kode:
- Detektor/pemindai/labeler/penerjemah... pembuatan instance telah diubah. Setiap fitur kini memiliki titik masuknya sendiri. Misalnya: BarcodeScanning, TextRecognition, ImageLabeling, Translation.... Panggilan ke layanan Firebase
getInstance()
diganti dengan panggilan ke metodegetClient()
titik entri fitur. - Pembuatan instance default untuk TextRecognizer telah dihapus, sejak kami memperkenalkan library tambahan untuk mengenali skrip lain seperti China dan Korea. Untuk menggunakan opsi default dengan model pengenalan teks skrip Latin, deklarasikan dependensi pada
com.google.android.gms:play-services-mlkit-text-recognition
dan gunakanTextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS)
. - Pembuatan instance default untuk ImageLabeler dan ObjectDetector telah dihapus, sejak kami memperkenalkan dukungan model kustom untuk kedua fitur ini. Misalnya, untuk menggunakan opsi default dengan model dasar di ImageLabeling, deklarasikan dependensi pada
com.google.mlkit:image-labeling
dan gunakanImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS)
di Java. - Semua tuas (detektor/pemindai/labeler/penerjemah...) dapat ditutup. Pastikan metode
close()
dipanggil saat objek tersebut tidak akan digunakan lagi. Jika Anda menggunakannya dalam Fragment atau AppCompatActivity, satu cara mudah untuk melakukannya adalah memanggil LifecycleOwner.getLifecycle() pada Fragment atau AppCompatActivity, lalu memanggil Lifecycle.addObserver processImage()
dandetectInImage()
di Vision API telah diganti namanya menjadiprocess()
agar konsisten.- Natural Language API kini menggunakan istilah “tag bahasa” (seperti yang didefinisikan oleh standar BCP 47), bukan “kode bahasa”.
- Metode pengambil di class xxxOptions telah dihapus.
- Metode getBitmap() di class InputImage(menggantikan
FirebaseVisionImage
) tidak lagi didukung sebagai bagian dari antarmuka publik. LihatBitmapUtils.java
di contoh panduan memulai ML Kit untuk mendapatkan konversi bitmap dari berbagai input. - FirebaseinstanceMetadata telah dihapus. Anda cukup meneruskan metadata gambar seperti lebar, tinggi, rotasiDegrees, format ke dalam metode konstruksi InputImages.
Berikut adalah beberapa contoh metode Kotlin lama dan baru:
Lama
// 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() )
Baru
// 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())
Berikut adalah beberapa contoh metode Java lama dan baru:
Lama
// 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());
Baru
// 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());
Perubahan khusus API
Pemindaian Kode Batang
Untuk Barcode Scanning API, kini ada dua cara untuk mengirim model:
- Melalui Layanan Google Play alias “tipis” (direkomendasikan) - hal ini akan mengurangi ukuran aplikasi dan model akan dibagikan antar-aplikasi. Namun, developer harus memastikan bahwa model telah didownload sebelum menggunakannya untuk pertama kalinya.
- Dengan APK aplikasi Anda alias “dipaketkan” - ini akan meningkatkan ukuran aplikasi, tetapi berarti model dapat langsung digunakan.
Kedua penerapan tersebut sedikit berbeda, dengan versi “paket” yang memiliki sejumlah peningkatan dibandingkan versi “tipis”. Detail tentang perbedaan ini dapat ditemukan di panduan Barcode Scanning API.
Deteksi Wajah
Untuk Face Detection API, ada dua cara untuk mengirimkan model:
- Melalui Layanan Google Play alias “tipis” (direkomendasikan) - hal ini akan mengurangi ukuran aplikasi dan model akan dibagikan antar-aplikasi. Namun, developer harus memastikan bahwa model telah didownload sebelum menggunakannya untuk pertama kalinya.
- Dengan APK aplikasi alias “dipaketkan” - hal ini akan meningkatkan ukuran download aplikasi, tetapi artinya model dapat langsung digunakan.
Perilaku implementasinya sama.
Terjemahan
TranslateLanguage
kini menggunakan nama yang dapat dibaca untuk konstantanya (misalnya,ENGLISH
), bukan tag bahasa (EN
). Nama tersebut juga kini menjadi @StringDef, bukan @IntDef, dan nilai konstantanya adalah tag bahasa BCP 47 yang cocok.Jika aplikasi Anda menggunakan opsi kondisi download “perangkat tidak ada aktivitas”, perhatikan bahwa opsi ini telah dihapus dan tidak dapat digunakan lagi. Anda tetap dapat menggunakan opsi "pengisian daya perangkat". Jika menginginkan perilaku yang lebih kompleks, Anda dapat menunda pemanggilan
RemoteModelManager.download
dengan logika Anda sendiri.
Pelabelan Gambar AutoML
Jika aplikasi Anda menggunakan opsi kondisi download “perangkat tidak ada aktivitas”, perhatikan bahwa opsi ini telah dihapus dan tidak dapat digunakan lagi. Anda tetap dapat menggunakan opsi "pengisian daya perangkat".
Jika menginginkan perilaku yang lebih kompleks, Anda dapat menunda pemanggilan
RemoteModelManager.download
dengan logika Anda sendiri.
Deteksi dan Pelacakan Objek
Jika aplikasi Anda menggunakan deteksi objek dengan klasifikasi kasar, perhatikan bahwa SDK baru telah mengubah caranya menampilkan kategori klasifikasi untuk objek yang terdeteksi.
Kategori klasifikasi ditampilkan sebagai instance DetectedObject.Label
, bukan bilangan bulat. Semua kemungkinan kategori untuk pengklasifikasi umum disertakan dalam class PredefinedCategory
.
Berikut adalah contoh kode Kotlin lama dan baru:
Lama
if (object.classificationCategory == FirebaseVisionObject.CATEGORY_FOOD) { ... }
Baru
if (!object.labels.isEmpty() && object.labels[0].text == PredefinedCategory.FOOD) { ... } // or if (!object.labels.isEmpty() && object.labels[0].index == PredefinedCategory.FOOD_INDEX) { ... }
Berikut adalah contoh kode Java lama dan baru:
Lama
if (object.getClassificationCategory() == FirebaseVisionObject.CATEGORY_FOOD) { ... }
Baru
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) { ... }
Kategori “tidak diketahui” telah dihapus. Jika tingkat keyakinan klasifikasi objek rendah, kita hanya tidak akan menampilkan label apa pun.
Menghapus dependensi Firebase (Opsional)
Langkah ini hanya berlaku jika kondisi berikut terpenuhi:
- Firebase ML Kit adalah satu-satunya komponen Firebase yang Anda gunakan.
- Anda hanya menggunakan API di perangkat.
- Anda tidak menggunakan penayangan model.
Jika ini terjadi, Anda dapat menghapus dependensi Firebase setelah migrasi. Ikuti langkah-langkah berikut:
- Hapus file konfigurasi Firebase dengan menghapus file konfigurasi google-services.json di direktori modul (level aplikasi) aplikasi Anda.
- Ganti plugin Gradle Layanan Google di file Gradle modul (level aplikasi) Anda (biasanya app/build.gradle) dengan plugin Strict Version Matcher:
Sebelum
apply plugin: 'com.android.application' apply plugin: 'com.google.gms.google-services' // Google Services plugin android { // … }
Setelah
apply plugin: 'com.android.application' apply plugin: 'com.google.android.gms.strict-version-matcher-plugin' android { // … }
- Ganti classpath plugin Gradle Layanan Google di file Gradle project (level root) (build.gradle) dengan classpath untuk plugin Strict Version Matcher:
Sebelum
buildscript { dependencies { // ... classpath 'com.google.gms:google-services:4.3.3' // Google Services plugin } }
Setelah
buildscript { dependencies { // ... classpath 'com.google.android.gms:strict-version-matcher-plugin:1.2.1' } }
Hapus aplikasi Firebase Anda di Firebase console sesuai dengan instructions di situs dukungan Firebase.
Mendapatkan Bantuan
Jika Anda mengalami masalah, buka halaman Komunitas tempat kami menjelaskan channel yang tersedia untuk menghubungi kami.