Android पर एमएल किट की मदद से डिजिटल इंक की पहचान करना

ML Kit की डिजिटल इंक रिकग्निशन की मदद से, किसी डिजिटल प्लैटफ़ॉर्म पर सैकड़ों भाषाओं के हाथ से लिखे गए टेक्स्ट को पहचाना जा सकता है. साथ ही, स्केच की कैटगरी भी तय की जा सकती है.

इसे आज़माएं

शुरू करने से पहले

  1. प्रोजेक्ट-लेवल की build.gradle फ़ाइल में, अपने buildscript और allprojects, दोनों सेक्शन में Google की Maven रिपॉज़िटरी शामिल करना न भूलें.
  2. ML Kit की Android लाइब्रेरी के लिए, अपने मॉड्यूल की ऐप्लिकेशन-लेवल की Gradle फ़ाइल में डिपेंडेंसी जोड़ें. आम तौर पर, यह फ़ॉर्मैट app/build.gradle होता है:
dependencies {
  // ...
  implementation 'com.google.mlkit:digital-ink-recognition:18.1.0'
}

अब आप Ink ऑब्जेक्ट में मौजूद टेक्स्ट की पहचान करने के लिए तैयार हैं.

कोई Ink ऑब्जेक्ट बनाएं

Ink ऑब्जेक्ट बनाने का मुख्य तरीका उसे टचस्क्रीन पर बनाना है. Android पर, इस काम के लिए कैनवस का इस्तेमाल किया जा सकता है. आपके टच इवेंट हैंडलर को इस कोड स्निपेट में दिखाए गए addNewTouchEvent() तरीके को कॉल करना चाहिए, ताकि उपयोगकर्ता से Ink ऑब्जेक्ट में ड्रॉ किए जाने वाले स्ट्रोक में पॉइंट को सेव किया जा सके.

इस सामान्य पैटर्न को नीचे दिए गए कोड स्निपेट में दिखाया गया है. ज़्यादा बेहतर उदाहरण के लिए, एमएल किट क्विकस्टार्ट सैंपल देखें.

Kotlin

var inkBuilder = Ink.builder()
lateinit var strokeBuilder: Ink.Stroke.Builder

// Call this each time there is a new event.
fun addNewTouchEvent(event: MotionEvent) {
  val action = event.actionMasked
  val x = event.x
  val y = event.y
  var t = System.currentTimeMillis()

  // If your setup does not provide timing information, you can omit the
  // third paramater (t) in the calls to Ink.Point.create
  when (action) {
    MotionEvent.ACTION_DOWN -> {
      strokeBuilder = Ink.Stroke.builder()
      strokeBuilder.addPoint(Ink.Point.create(x, y, t))
    }
    MotionEvent.ACTION_MOVE -> strokeBuilder!!.addPoint(Ink.Point.create(x, y, t))
    MotionEvent.ACTION_UP -> {
      strokeBuilder.addPoint(Ink.Point.create(x, y, t))
      inkBuilder.addStroke(strokeBuilder.build())
    }
    else -> {
      // Action not relevant for ink construction
    }
  }
}

...

// This is what to send to the recognizer.
val ink = inkBuilder.build()

Java

Ink.Builder inkBuilder = Ink.builder();
Ink.Stroke.Builder strokeBuilder;

// Call this each time there is a new event.
public void addNewTouchEvent(MotionEvent event) {
  float x = event.getX();
  float y = event.getY();
  long t = System.currentTimeMillis();

  // If your setup does not provide timing information, you can omit the
  // third paramater (t) in the calls to Ink.Point.create
  int action = event.getActionMasked();
  switch (action) {
    case MotionEvent.ACTION_DOWN:
      strokeBuilder = Ink.Stroke.builder();
      strokeBuilder.addPoint(Ink.Point.create(x, y, t));
      break;
    case MotionEvent.ACTION_MOVE:
      strokeBuilder.addPoint(Ink.Point.create(x, y, t));
      break;
    case MotionEvent.ACTION_UP:
      strokeBuilder.addPoint(Ink.Point.create(x, y, t));
      inkBuilder.addStroke(strokeBuilder.build());
      strokeBuilder = null;
      break;
  }
}

...

// This is what to send to the recognizer.
Ink ink = inkBuilder.build();

DigitalInkRecognizer का इंस्टेंस पाएं

पहचान करने के लिए, Ink इंस्टेंस को DigitalInkRecognizer ऑब्जेक्ट पर भेजें. नीचे दिए गए कोड में बताया गया है कि ऐसे आइडेंटिफ़ायर को BCP-47 टैग से कैसे इंस्टैंशिएट किया जा सकता है.

Kotlin

// Specify the recognition model for a language
var modelIdentifier: DigitalInkRecognitionModelIdentifier
try {
  modelIdentifier = DigitalInkRecognitionModelIdentifier.fromLanguageTag("en-US")
} catch (e: MlKitException) {
  // language tag failed to parse, handle error.
}
if (modelIdentifier == null) {
  // no model was found, handle error.
}
var model: DigitalInkRecognitionModel =
    DigitalInkRecognitionModel.builder(modelIdentifier).build()


// Get a recognizer for the language
var recognizer: DigitalInkRecognizer =
    DigitalInkRecognition.getClient(
        DigitalInkRecognizerOptions.builder(model).build())

Java

// Specify the recognition model for a language
DigitalInkRecognitionModelIdentifier modelIdentifier;
try {
  modelIdentifier =
    DigitalInkRecognitionModelIdentifier.fromLanguageTag("en-US");
} catch (MlKitException e) {
  // language tag failed to parse, handle error.
}
if (modelIdentifier == null) {
  // no model was found, handle error.
}

DigitalInkRecognitionModel model =
    DigitalInkRecognitionModel.builder(modelIdentifier).build();

// Get a recognizer for the language
DigitalInkRecognizer recognizer =
    DigitalInkRecognition.getClient(
        DigitalInkRecognizerOptions.builder(model).build());

Ink ऑब्जेक्ट को प्रोसेस करें

Kotlin

recognizer.recognize(ink)
    .addOnSuccessListener { result: RecognitionResult ->
      // `result` contains the recognizer's answers as a RecognitionResult.
      // Logs the text from the top candidate.
      Log.i(TAG, result.candidates[0].text)
    }
    .addOnFailureListener { e: Exception ->
      Log.e(TAG, "Error during recognition: $e")
    }

Java

recognizer.recognize(ink)
    .addOnSuccessListener(
        // `result` contains the recognizer's answers as a RecognitionResult.
        // Logs the text from the top candidate.
        result -> Log.i(TAG, result.getCandidates().get(0).getText()))
    .addOnFailureListener(
        e -> Log.e(TAG, "Error during recognition: " + e));

ऊपर दिए गए सैंपल कोड में यह माना जाता है कि पहचान के मॉडल को पहले ही डाउनलोड कर लिया गया है, जैसा कि अगले सेक्शन में बताया गया है.

मॉडल के डाउनलोड मैनेज करना

डिजिटल इंक पहचान एपीआई सैकड़ों भाषाओं के साथ काम करता है. हालांकि, हर भाषा को पहचानने से पहले कुछ डेटा डाउनलोड करना ज़रूरी होता है. हर भाषा के लिए करीब 20 एमबी स्टोरेज की ज़रूरत होती है. इसे RemoteModelManager ऑब्जेक्ट से मैनेज किया जाता है.

नया मॉडल डाउनलोड करें

Kotlin

import com.google.mlkit.common.model.DownloadConditions
import com.google.mlkit.common.model.RemoteModelManager

var model: DigitalInkRecognitionModel =  ...
val remoteModelManager = RemoteModelManager.getInstance()

remoteModelManager.download(model, DownloadConditions.Builder().build())
    .addOnSuccessListener {
      Log.i(TAG, "Model downloaded")
    }
    .addOnFailureListener { e: Exception ->
      Log.e(TAG, "Error while downloading a model: $e")
    }

Java

import com.google.mlkit.common.model.DownloadConditions;
import com.google.mlkit.common.model.RemoteModelManager;

DigitalInkRecognitionModel model = ...;
RemoteModelManager remoteModelManager = RemoteModelManager.getInstance();

remoteModelManager
    .download(model, new DownloadConditions.Builder().build())
    .addOnSuccessListener(aVoid -> Log.i(TAG, "Model downloaded"))
    .addOnFailureListener(
        e -> Log.e(TAG, "Error while downloading a model: " + e));

यह देखना कि कोई मॉडल पहले से डाउनलोड किया गया है या नहीं

Kotlin

var model: DigitalInkRecognitionModel =  ...
remoteModelManager.isModelDownloaded(model)

Java

DigitalInkRecognitionModel model = ...;
remoteModelManager.isModelDownloaded(model);

डाउनलोड किए गए मॉडल को मिटाना

डिवाइस के स्टोरेज से किसी मॉडल को हटाने से जगह खाली हो जाती है.

Kotlin

var model: DigitalInkRecognitionModel =  ...
remoteModelManager.deleteDownloadedModel(model)
    .addOnSuccessListener {
      Log.i(TAG, "Model successfully deleted")
    }
    .addOnFailureListener { e: Exception ->
      Log.e(TAG, "Error while deleting a model: $e")
    }

Java

DigitalInkRecognitionModel model = ...;
remoteModelManager.deleteDownloadedModel(model)
                  .addOnSuccessListener(
                      aVoid -> Log.i(TAG, "Model successfully deleted"))
                  .addOnFailureListener(
                      e -> Log.e(TAG, "Error while deleting a model: " + e));

टेक्स्ट की पहचान को ज़्यादा सटीक बनाने के लिए सलाह

टेक्स्ट की पहचान, अलग-अलग भाषाओं में अलग-अलग हो सकती है. सटीक जानकारी लिखने के आपके स्टाइल पर भी निर्भर करती है. हालांकि, डिजिटल इंक रिकग्निशन को लिखने के कई तरह के स्टाइल को हैंडल करने के लिए ट्रेन किया गया है, लेकिन हर उपयोगकर्ता के लिए नतीजे अलग-अलग हो सकते हैं.

टेक्स्ट आइडेंटिफ़ायर को ज़्यादा सटीक बनाने के कुछ तरीके यहां बताए गए हैं. ध्यान दें कि ये तकनीक इमोजी, ऑटोड्रॉ और आकार के लिए ड्रॉइंग क्लासिफ़ायर पर लागू नहीं होती हैं.

लिखने की जगह

कई ऐप्लिकेशन में, उपयोगकर्ताओं के इनपुट लिखने के लिए, अच्छी तरह से तय किया गया क्षेत्र होता है. किसी चिह्न का मतलब कुछ हद तक, उसके साइज़ के मुकाबले उस जगह के साइज़ से तय होता है जहां वह होता है. उदाहरण के लिए, लोअर या अपर केस अक्षर "o" या "c" और कॉमा बनाम फ़ॉरवर्ड स्लैश के बीच अंतर.

आइडेंटिफ़ायर को लिखने वाली जगह की चौड़ाई और ऊंचाई बताने से ज़्यादा सटीक नतीजे मिल सकते हैं. हालांकि, पहचानकर्ता यह मानता है कि लिखने वाले एरिया में टेक्स्ट की सिर्फ़ एक लाइन है. अगर फ़िज़िकल राइटिंग एरिया इतना बड़ा है कि उपयोगकर्ता दो या उससे ज़्यादा लाइनें लिख सकता है, तो आपको राइटिंग एरिया में, टेक्स्ट की एक लाइन की ऊंचाई का सबसे अच्छा अनुमान लगाकर उसे पास करना होगा. इससे बेहतर नतीजे मिल सकते हैं. राइटिंगएरिया ऑब्जेक्ट, आइडेंटिफ़ायर को पास किया जाता है. ऐसा करने के लिए ज़रूरी नहीं है कि वह ऑब्जेक्ट, स्क्रीन पर मौजूद राइटिंग एरिया से मेल खाए. लिखिंग क्षेत्र की ऊंचाई को इस तरह बदलने से कुछ भाषाओं में दूसरी भाषाओं के मुकाबले बेहतर काम होता है.

लेखन क्षेत्र तय करते समय, इसकी चौड़ाई और ऊंचाई उसी इकाई में बताएं जो स्ट्रोक निर्देशांकों में है. x,y कोऑर्डिनेट आर्ग्युमेंट के लिए, यूनिट की ज़रूरत नहीं होती - एपीआई सभी यूनिटों को सामान्य बनाता है. इसलिए, ज़रूरी चीज़ सिर्फ़ स्ट्रोक का साइज़ और पोज़िशन है. आप अपने सिस्टम के लिए किसी भी पैमाने पर निर्देशांकों को पास करने के लिए स्वतंत्र हैं.

प्री-कॉन्टेक्स्ट

प्री-कॉन्टेक्स्ट, वह टेक्स्ट होता है जो Ink में, स्ट्रोक से ठीक पहले होता है और जिसे पहचानने की कोशिश की जा रही है. आप संदर्भ से पहले की जानकारी देकर, आइडेंटिफ़ायर की मदद कर सकते हैं.

उदाहरण के लिए, "n" और "u" जैसे कर्सिव अक्षर इस्तेमाल किए जाने पर, अक्सर इन्हें गलती से एक-दूसरे से समझ लिया जाता है. अगर उपयोगकर्ता ने पहले से ही "आर्ग" शब्द डाला है, तो हो सकता है कि वे ऐसे स्ट्रोक का इस्तेमाल करना जारी रखें जिन्हें "ument" या "nment" के तौर पर पहचाना जा सकता है. प्री-कॉन्टेक्स्ट "आर्ग" को तय करने से, अस्पष्टता दूर हो जाती है, क्योंकि "तर्क" की तुलना में "तर्क" शब्द ज़्यादा होने की संभावना है.

कॉन्टेक्स्ट की मदद से पहचान करने वाले व्यक्ति को, शब्दों के बीच की खाली जगह यानी वर्ड ब्रेक की पहचान करने में भी मदद मिलती है. स्पेस वर्ण टाइप किया जा सकता है, लेकिन उसे बनाया नहीं जा सकता. ऐसे में, कोई व्यक्ति यह कैसे पता कर सकता है कि एक शब्द के खत्म होने पर, अगला वर्ण कब शुरू होगा? अगर उपयोगकर्ता ने पहले ही "hello" लिखा है और पहले से ही "वर्ल्ड" शब्द लिखा हुआ है, तो पहले से कोई कॉन्टेक्स्ट न होने पर, आइडेंटिफ़ायर "वर्ल्ड" स्ट्रिंग दिखाता है. हालांकि, अगर प्री-कॉन्टेक्स्ट "हैलो" का इस्तेमाल किया जाता है, तो मॉडल "वर्ल्ड" स्ट्रिंग को आगे स्पेस में दिखाएगा. ऐसा इसलिए, क्योंकि "हैलोवर्ड" शब्द के बजाय "हैलो वर्ल्ड" ज़्यादा बेहतर है.

आपको प्री-कॉन्टेक्स्ट की सबसे लंबी स्ट्रिंग देनी चाहिए. इसमें 20 वर्ण तक होने चाहिए. साथ ही, इसमें स्पेस भी शामिल होने चाहिए. अगर स्ट्रिंग लंबी है, तो आइडेंटिफ़ायर आखिरी के 20 वर्णों का ही इस्तेमाल करता है.

नीचे दिए गए कोड सैंपल में, लिखने की जगह को तय करने का तरीका बताया गया है. साथ ही, यह भी बताया गया है कि प्री-कॉन्टेक्स्ट तय करने के लिए, RecognitionContext ऑब्जेक्ट का इस्तेमाल कैसे किया जाए.

Kotlin

var preContext : String = ...;
var width : Float = ...;
var height : Float = ...;
val recognitionContext : RecognitionContext =
    RecognitionContext.builder()
        .setPreContext(preContext)
        .setWritingArea(WritingArea(width, height))
        .build()

recognizer.recognize(ink, recognitionContext)

Java

String preContext = ...;
float width = ...;
float height = ...;
RecognitionContext recognitionContext =
    RecognitionContext.builder()
                      .setPreContext(preContext)
                      .setWritingArea(new WritingArea(width, height))
                      .build();

recognizer.recognize(ink, recognitionContext);

स्ट्रोक का क्रम

पहचान की सटीक जानकारी, स्ट्रोक के क्रम पर निर्भर करती है. पहचान करने वाले लोग यह उम्मीद करते हैं कि स्ट्रोक उसी क्रम में होने चाहिए जिस क्रम में लोग स्वाभाविक रूप से लिखेंगे. उदाहरण के लिए, अंग्रेज़ी के लिए बाएं से दाएं. ऐसा कोई भी केस जो इस पैटर्न से अलग हो, जैसे कि आख़िरी शब्द से शुरू होने वाला अंग्रेज़ी वाक्य लिखना, ज़्यादा सटीक नतीजे नहीं देता.

इसका दूसरा उदाहरण, Ink के बीच के शब्द को हटाकर, उसे किसी दूसरे शब्द से बदलना है. बदलाव शायद किसी वाक्य के बीच में है, लेकिन बदलाव के लिए स्ट्रोक, स्ट्रोक क्रम के आखिर में हैं. इस मामले में, हमारा सुझाव है कि आप नए लिखे गए शब्द को अलग से एपीआई को भेजें और अपने लॉजिक का इस्तेमाल करके, नतीजे को पहले की पहचान के साथ मर्ज करें.

अस्पष्ट आकृतियों से निपटना

कई मामलों में, आइडेंटिफ़ायर को दिए गए आकार का मतलब साफ़ तौर पर नहीं बताया जाता. उदाहरण के लिए, बहुत गोल किनारे वाले आयत को आयत या दीर्घवृत्त के रूप में देखा जा सकता है.

पहचान बताने वाले स्कोर उपलब्ध होने पर, उनका इस्तेमाल करके इन मामलों को हैंडल किया जा सकता है. सिर्फ़ आकार तय करने वाले टूल से स्कोर मिलता है. अगर मॉडल को लेकर काफ़ी भरोसा है, तो सबसे अच्छे नतीजे का स्कोर दूसरे सबसे अच्छे नतीजे की तुलना में काफ़ी बेहतर होगा. अगर कोई पक्का नहीं होता है, तो टॉप दो नतीजों के स्कोर करीब-करीब होंगे. साथ ही, यह ध्यान रखें कि शेप क्लासिफ़ायर पूरे Ink को एक आकार मानते हैं. उदाहरण के लिए, अगर Ink में एक रेक्टैंगल और एक-दूसरे के बगल में एक दीर्घवृत्त मौजूद है, तो आइडेंटिफ़ायर एक या दूसरे नतीजे (या कुछ पूरी तरह से अलग) दिखा सकता है. ऐसा इसलिए, क्योंकि पहचान की पुष्टि करने वाला एक कैंडिडेट, दो तरह के साइज़ नहीं दिखा सकता.