Dengan API pelabelan gambar pada ML Kit, Anda dapat mendeteksi dan mengekstrak informasi tentang entity dalam gambar di berbagai kategori. Model pelabelan gambar default dapat mengidentifikasi objek, tempat, aktivitas, spesies hewan, produk umum, dan lainnya.
Anda juga dapat menggunakan model klasifikasi gambar kustom untuk menyesuaikan deteksi dengan kasus penggunaan tertentu. Lihat Menggunakan model TensorFlow Lite kustom untuk mengetahui informasi selengkapnya.
Kemampuan utama
- Pengklasifikasi dasar tujuan umum yang canggih Mengenali lebih dari 400 kategori yang mendeskripsikan objek yang paling umum ditemukan di foto.
- Menyesuaikan kasus penggunaan Anda dengan model kustom Gunakan model terlatih lainnya dari TensorFlow Hub atau model kustom Anda sendiri yang dilatih dengan TensorFlow, AutoML Vision Edge, atau maker Model TensorFlow Lite.
- API level tinggi yang mudah digunakan Tidak perlu menangani input/output model tingkat rendah, pra-pemrosesan dan pasca-pemrosesan gambar, atau mem-build pipeline pemrosesan. ML Kit mengekstrak label dari model TensorFlow Lite dan menyediakannya sebagai deskripsi teks.
Perhatikan bahwa API ini ditujukan untuk model klasifikasi gambar yang mendeskripsikan gambar penuh. Untuk mengklasifikasikan satu atau beberapa objek dalam gambar, seperti sepatu atau furnitur, API Deteksi & amp; Pelacakan Objek mungkin lebih cocok.
Model klasifikasi gambar yang didukung
Image Labeling API mendukung berbagai model klasifikasi gambar:
| Model klasifikasi gambar yang didukung | |
|---|---|
| Model dasar | Secara default, API ini menggunakan model pelabelan gambar tujuan umum yang canggih dan mengenali lebih dari 400 entitas yang mencakup konsep yang paling umum ditemukan di foto. |
| Model TensorFlow Lite kustom | Untuk menargetkan konsep khusus aplikasi, API menerima model klasifikasi gambar kustom dari berbagai sumber. Ini dapat berupa model terlatih yang didownload dari TensorFlow Hub atau model Anda sendiri yang dilatih dengan AutoML Vision Edge, TensorFlow Lite Model Maker, atau TensorFlow itu sendiri. Model dapat dipaketkan dengan aplikasi Anda atau dihosting dengan Firebase Machine Learning dan didownload saat runtime. |
Menggunakan model dasar
Model dasar ML Kit menampilkan daftar entity yang mengidentifikasi orang, objek, tempat, aktivitas, dan sebagainya. Setiap entity dilengkapi dengan skor yang menunjukkan keyakinan model ML atas relevansinya. Berbekal informasi ini, Anda dapat melakukan tugas-tugas seperti pembuatan metadata otomatis dan moderasi konten. Model default yang disediakan dengan ML Kit mengenali lebih dari 400 entitas berbeda.
Contoh label
Model dasar dalam API pelabelan gambar mendukung 400+ label, seperti contoh berikut ini:
| Kategori | Contoh label |
|---|---|
| Karyawan | CrowdSelfieSmile |
| Aktivitas | DancingEatingSurfing |
| Berbagai hal | CarPianoReceipt |
| Hewan | BirdCatDog |
| Tanaman | FlowerFruitVegetable |
| Tempat Kerja | BeachLakeMountain |
Hasil contoh
Berikut adalah contoh entitas yang dikenali dalam foto yang menyertainya.
| Label 0 | |
|---|---|
| Teks | Stadion |
| Keyakinan | 0,9205354 |
| Label 1 | |
| Teks | Olahraga |
| Keyakinan | 0,7531109 |
| Label 2 | |
| Teks | Peristiwa |
| Keyakinan | 0,66905296 |
| Label 3 | |
| Teks | Rekreasi |
| Keyakinan | 0,59904146 |
| Label 4 | |
| Teks | Sepak bola |
| Keyakinan | 0,56384534 |
| Label 5 | |
| Teks | Bersih |
| Keyakinan | 0,54679185 |
| Label 6 | |
| Teks | Tanaman |
| Keyakinan | 0,524364 |
Menggunakan model TensorFlow Lite kustom
Model pelabelan gambar dasar pada ML Kit dibuat untuk penggunaan dengan tujuan umum. Ini dilatih untuk mengenali 400 kategori yang menjelaskan objek yang paling umum ditemukan di foto. Aplikasi Anda mungkin memerlukan model klasifikasi gambar khusus yang mengenali kategori dengan jumlah yang lebih sempit secara lebih mendetail, seperti model yang membedakan antara spesies bunga atau jenis makanan.
API ini memungkinkan Anda menyesuaikan kasus penggunaan tertentu dengan mendukung model klasifikasi gambar kustom dari berbagai sumber. Lihat Model kustom dengan ML Kit untuk mempelajari lebih lanjut. Model kustom dapat dipaketkan dengan aplikasi Anda atau didownload secara dinamis dari cloud menggunakan layanan deployment Model Firebase Machine Learning.
Pra-pemrosesan gambar input
Jika diperlukan, Pelabelan Gambar menggunakan penskalaan dan regangan gambar bilinear untuk menyesuaikan ukuran dan rasio lebar tinggi gambar input agar sesuai dengan persyaratan model yang mendasarinya.