بااستفاده از APIهای برچسب‌گذاری تصویر ML Kit می‌توانید اطلاعات مربوط به نهادهای موجود در تصویر را در گروه وسیعی از دسته‌ها تشخیص دهید و استخراج کنید. مدل برچسب‌گذاری تصویر پیش‌فرض می‌تواند اشیا، مکان‌ها، فعالیت‌های عمومی، گونه‌های جانوری، محصولات، و غیره را شناسایی کند.
همچنین می‌توانید از مدل طبقه‌بندی تصویر سفارشی برای سفارشی‌سازی تشخیص برای یک مورد استفاده خاص استفاده کنید. برای اطلاعات بیشتر، استفاده از مدل LiteRT سفارشی را ببینید.
قابلیت‌های کلیدی
- طبقه‌بند پایه قدرتمند چندمنظوره بیش‌از ۴۰۰ دسته را که رایج‌ترین اشیای موجود در عکس‌ها را توصیف می‌کنند تشخیص می‌دهد.
- با مدل‌های سفارشی، برای مورد استفاده خودتان سفارشی‌سازی کنید از مدل‌های ازپیش آموزش‌دیده دیگر از TensorFlow Hub یا مدل سفارشی خودتان که با TensorFlow، AutoML، یا LiteRT آموزش دیده است استفاده کنید.
- میاناهای برنامه‌سازی کاربردی سطح بالا با کاربری آسان نیازی به کار با ورودی/خروجی مدل سطح پایین، پیش‌پردازش و پس‌پردازش تصویر، یا ساختن خط لوله پردازش نیست. ML Kit برچسب‌ها را از مدل LiteRT استخراج می‌کند و آن‌ها را به‌صورت شرح نوشتاری ارائه می‌دهد.
توجه داشته باشید که این «میانای برنامه‌سازی کاربردی» برای مدل‌های طبقه‌بندی تصویر درنظر گرفته شده است که تصویر کامل را توصیف می‌کنند. برای طبقه‌بندی یک یا چند شیء در تصویر، مثل کفش یا قطعات مبلمان، ممکن است API تشخیص و ردیابی شیء گزینه بهتری باشد.
مدل‌های طبقه‌بندی تصویر پشتیبانی‌شده
«میاناهای برنامه‌سازی کاربردی برچسب‌گذاری تصویر» از مدل‌های طبقه‌بندی تصویر مختلفی پشتیبانی می‌کند:
| مدل‌های طبقه‌بندی تصویر پشتیبانی‌شده | |
|---|---|
| مدل پایه | به‌طور پیش‌فرض، API از مدل برچسب‌گذاری تصویر قدرتمند و چندمنظوره‌ای استفاده می‌کند که بیش‌از ۴۰۰ نهاد را که رایج‌ترین مفاهیم موجود در عکس‌ها را پوشش می‌دهند تشخیص می‌دهد. |
| مدل‌های LiteRT سفارشی | برای هدف‌یابی مفاهیم خاص برنامه، «میانای برنامه‌سازی کاربردی» مدل‌های طبقه‌بندی تصویر سفارشی را از طیف وسیعی از منابع می‌پذیرد. این‌ها می‌توانند مدل‌های ازپیش‌آموزش‌دیده بارگیری‌شده از TensorFlow Hub یا مدل‌های خودتان باشند که با AutoML، LiteRT، یا خود TensorFlow آموزش داده شده‌اند. مدل‌ها می‌توانند همراه با برنامه شما دسته‌بندی شوند یا با Cloud Storage میزبانی شوند و در زمان اجرا بارگیری شوند. |
استفاده از مدل پایه
مدل پایه ML Kit فهرستی از نهادها را برمی‌گرداند که افراد، چیزها، مکان‌ها، فعالیت‌ها، و غیره را شناسایی می‌کند. هر نهاد دارای امتیازی است که نشان می‌دهد مدل یادگیری ماشین چقدر به مرتبط بودن آن اطمینان دارد. با این اطلاعات، می‌توانید کارهایی مانند تولید خودکار فراداده و تعدیل محتوا را انجام دهید. مدل پیش‌فرض ارائه‌شده با ML Kit بیش‌از ۴۰۰ نهاد مختلف را تشخیص می‌دهد.
برچسب‌های نمونه
مدل پایه در «میانای برنامه‌سازی کاربردی برچسب‌گذاری تصویر» از بیش‌از ۴۰۰ برچسب پشتیبانی می‌کند، مثل نمونه‌های زیر:
| دسته | برچسب‌های نمونه |
|---|---|
| افراد | CrowdSelfieSmile |
| فعالیت‌ها | DancingEatingSurfing |
| چیزها | CarPianoReceipt |
| حیوانات | BirdCatDog |
| گیاهان | FlowerFruitVegetable |
| مکان‌ها | BeachLakeMountain |
نتایج نمونه
در اینجا نمونه‌ای از نهادهایی که در عکس همراه تشخیص داده شده‌اند ارائه شده است.
| برچسب ۰ | |
|---|---|
| نوشتاری | استادیوم |
| اطمینان | ۰.۹۲۰۵۳۵۴ |
| برچسب ۱ | |
| نوشتار | ورزشگاه‌ها |
| اطمینان | ۰.۷۵۳۱۱۰۹ |
| برچسب ۲ | |
| نوشتاری | رویداد |
| اطمینان | ۰٫۶۶۹۰۵۲۹۶ |
| برچسب ۳ | |
| نوشتاری | اوقات فراغت |
| اطمینان | ۰.۵۹۹۰۴۱۴۶ |
| برچسب ۴ | |
| نوشتاری | فوتبال |
| اطمینان | 0.56384534 |
| برچسب ۵ | |
| نوشتار | خالص |
| اطمینان | 0.54679185 |
| برچسب ۶ | |
| نوشتار | گیاه |
| اطمینان | ۰.۵۲۴۳۶۴ |
استفاده از مدل LiteRT سفارشی
مدل برچسب‌گذاری تصویر پایه ML Kit برای استفاده عمومی ساخته شده است. این مدل برای تشخیص ۴۰۰ دسته که رایج‌ترین اشیای موجود در عکس‌ها را توصیف می‌کنند آموزش داده شده است. برنامه شما ممکن است به مدل طبقه‌بندی تصویر تخصصی نیاز داشته باشد که تعداد دسته‌های کمتری را با جزئیات بیشتری تشخیص دهد، مثلاً مدلی که بین گونه‌های گل یا انواع غذا تمایز قائل شود.
این API با پشتیبانی از مدل‌های طبقه‌بندی تصویر سفارشی از طیف گسترده‌ای از منابع، به شما امکان می‌دهد برای مورد استفاده خاصی سفارشی‌سازی کنید. برای کسب اطلاعات بیشتر، به مدل‌های سفارشی با کیت یادگیری ماشین مراجعه کنید. مدل‌های سفارشی را می‌توان با برنامه‌تان بسته‌بندی کرد یا به‌طور پویا از Cloud Storage بارگیری کرد.
پیش‌پردازش تصویر ورودی
درصورت نیاز، «برچسب‌گذاری تصویر» از مقیاس‌بندی و کشش تصویر دوخطی برای تنظیم اندازه و نسبت ابعادی تصویر ورودی استفاده می‌کند تا با الزامات مدل زیرین مطابقت داشته باشد.