Khi chuyển một hình ảnh sang Bộ công cụ máy học, công cụ này sẽ phát hiện tối đa năm đối tượng trong hình ảnh cùng với vị trí của từng đối tượng trong hình ảnh đó. Khi phát hiện đối tượng trong luồng video, mỗi đối tượng có một mã nhận dạng duy nhất mà bạn có thể dùng để theo dõi đối tượng từ khung này đến khung khác.
Bạn có thể sử dụng mô hình phân loại hình ảnh tuỳ chỉnh để phân loại các đối tượng được phát hiện. Vui lòng tham khảo Mô hình tuỳ chỉnh có Bộ công cụ máy học để được hướng dẫn về các yêu cầu về khả năng tương thích với mô hình, nơi tìm các mô hình đã huấn luyện trước và cách huấn luyện các mô hình của riêng bạn.
Có hai cách để tích hợp một mô hình tuỳ chỉnh. Bạn có thể nhóm mô hình bằng cách đặt mô hình bên trong thư mục thành phần của ứng dụng, hoặc bạn có thể tự động tải mô hình đó xuống từ Firebase. Bảng sau đây sẽ so sánh hai tuỳ chọn.
Mô hình theo gói | Mô hình được lưu trữ |
---|---|
Mô hình này là một phần của tệp .ipa của ứng dụng, giúp tăng kích thước của tệp. |
Mô hình này không thuộc tệp .ipa của ứng dụng. Thư viện này được lưu trữ bằng cách tải lên
Công nghệ máy học Firebase. |
Kiểu máy có sẵn ngay lập tức, ngay cả khi thiết bị Android không có kết nối mạng | Mô hình được tải xuống theo yêu cầu |
Không cần dự án Firebase | Cần có dự án Firebase |
Bạn phải phát hành lại ứng dụng để cập nhật mô hình | Thúc đẩy bản cập nhật mô hình mà không cần phát hành lại ứng dụng |
Không có thử nghiệm A/B tích hợp sẵn | Thử nghiệm A/B dễ dàng với Cấu hình từ xa Firebase |
Chạy thử ứng dụng
- Xem ứng dụng khởi động nhanh để tìm hiểu cách sử dụng mô hình đi kèm và ứng dụng tự động bắt đầu nhanh để sử dụng ví dụ về mô hình được lưu trữ.
- Hãy xem ứng dụng quảng cáo Material Design để biết cách triển khai toàn diện API này.
Trước khi bắt đầu
Đưa các thư viện Bộ công cụ máy học vào Podfile:
Cách đóng gói mô hình bằng ứng dụng của bạn:
pod 'GoogleMLKit/ObjectDetectionCustom', '3.2.0'
Để tự động tải một mô hình xuống từ Firebase, hãy thêm phần phụ thuộc
LinkFirebase
:pod 'GoogleMLKit/ObjectDetectionCustom', '3.2.0' pod 'GoogleMLKit/LinkFirebase', '3.2.0'
Sau khi bạn cài đặt hoặc cập nhật Nhóm của dự án, hãy mở dự án Xcode bằng cách sử dụng
.xcworkspace
của dự án. Bộ công cụ máy học được hỗ trợ trong Xcode phiên bản 13.2.1 trở lên.Nếu muốn tải một mô hình xuống, hãy nhớ thêm Firebase vào dự án iOS của bạn nếu bạn chưa làm việc này. Đây là điều không bắt buộc khi bạn đóng gói mô hình.
1. Tải mô hình
Định cấu hình nguồn mô hình cục bộ
Cách đóng gói mô hình bằng ứng dụng của bạn:
Sao chép tệp mô hình (thường kết thúc bằng
.tflite
hoặc.lite
) vào dự án Xcode của bạn, chú ý chọnCopy bundle resources
khi bạn thực hiện việc này. Tệp mô hình sẽ được đưa vào gói ứng dụng và có sẵn cho Bộ công cụ máy học.Tạo đối tượng
LocalModel
, chỉ định đường dẫn đến tệp mô hình:Swift
let localModel = LocalModel(path: localModelFilePath)
Objective-C
MLKLocalModel *localModel = [[MLKLocalModel alloc] initWithPath:localModelFilePath];
Định cấu hình nguồn mô hình được lưu trữ trên Firebase
Để sử dụng mô hình được lưu trữ từ xa, hãy tạo một đối tượng CustomRemoteModel
, trong đó chỉ định tên mà bạn chỉ định khi xuất bản:
Swift
let firebaseModelSource = FirebaseModelSource( name: "your_remote_model") // The name you assigned in // the Firebase console. let remoteModel = CustomRemoteModel(remoteModelSource: firebaseModelSource)
Objective-C
MLKFirebaseModelSource *firebaseModelSource = [[MLKFirebaseModelSource alloc] initWithName:@"your_remote_model"]; // The name you assigned in // the Firebase console. MLKCustomRemoteModel *remoteModel = [[MLKCustomRemoteModel alloc] initWithRemoteModelSource:firebaseModelSource];
Sau đó, hãy bắt đầu tác vụ tải mô hình xuống, chỉ định các điều kiện mà bạn muốn cho phép tải xuống. Nếu mô hình không có trên thiết bị hoặc nếu có phiên bản mới hơn của mô hình, tác vụ sẽ tải không đồng bộ mô hình xuống từ Firebase:
Swift
let downloadConditions = ModelDownloadConditions( allowsCellularAccess: true, allowsBackgroundDownloading: true ) let downloadProgress = ModelManager.modelManager().download( remoteModel, conditions: downloadConditions )
Objective-C
MLKModelDownloadConditions *downloadConditions = [[MLKModelDownloadConditions alloc] initWithAllowsCellularAccess:YES allowsBackgroundDownloading:YES]; NSProgress *downloadProgress = [[MLKModelManager modelManager] downloadModel:remoteModel conditions:downloadConditions];
Nhiều ứng dụng bắt đầu nhiệm vụ tải xuống trong mã khởi động, nhưng bạn có thể làm như vậy bất cứ lúc nào trước khi cần sử dụng mô hình.
2. Định cấu hình trình phát hiện đối tượng
Sau khi bạn định cấu hình nguồn mô hình, hãy định cấu hình trình phát hiện đối tượng cho trường hợp sử dụng của bạn bằng đối tượng CustomObjectDetectorOptions
. Bạn có thể thay đổi
các chế độ cài đặt sau:
Cài đặt trình phát hiện đối tượng | |
---|---|
Chế độ phát hiện |
STREAM_MODE (mặc định) | SINGLE_IMAGE_MODE
Trong Trong |
Phát hiện và theo dõi nhiều đối tượng |
false (mặc định) | true
Liệu có phát hiện và theo dõi tối đa 5 đối tượng hay chỉ đối tượng nổi bật nhất (mặc định). |
Phân loại đối tượng |
false (mặc định) | true
Liệu có phân loại các đối tượng được phát hiện hay không bằng cách sử dụng mô hình thuật toán phân loại tuỳ chỉnh mà chúng tôi cung cấp. Để sử dụng mô hình phân loại
tùy chỉnh, bạn cần đặt giá trị này thành |
Ngưỡng tin cậy khi phân loại |
Điểm tin cậy tối thiểu của nhãn đã phát hiện. Nếu bạn không đặt chính sách này, hệ thống sẽ sử dụng mọi ngưỡng phân loại do siêu dữ liệu của mô hình chỉ định. Nếu mô hình không chứa bất kỳ siêu dữ liệu nào hoặc siêu dữ liệu không chỉ định ngưỡng phân loại, thì ngưỡng mặc định sẽ là 0.0. |
Số nhãn tối đa cho mỗi đối tượng |
Số nhãn tối đa cho mỗi đối tượng mà trình phát hiện sẽ trả về. Nếu bạn không đặt chính sách này, thì hệ thống sẽ sử dụng giá trị mặc định là 10. |
Nếu chỉ có mô hình theo gói cục bộ, bạn chỉ cần tạo một trình phát hiện đối tượng từ
đối tượng LocalModel
của mình:
Swift
let options = CustomObjectDetectorOptions(localModel: localModel) options.detectorMode = .singleImage options.shouldEnableClassification = true options.shouldEnableMultipleObjects = true options.classificationConfidenceThreshold = NSNumber(value: 0.5) options.maxPerObjectLabelCount = 3
Objective-C
MLKCustomObjectDetectorOptions *options = [[MLKCustomObjectDetectorOptions alloc] initWithLocalModel:localModel]; options.detectorMode = MLKObjectDetectorModeSingleImage; options.shouldEnableClassification = YES; options.shouldEnableMultipleObjects = YES; options.classificationConfidenceThreshold = @(0.5); options.maxPerObjectLabelCount = 3;
Nếu có mô hình lưu trữ từ xa, bạn sẽ phải kiểm tra để đảm bảo rằng mô hình đó đã được tải xuống trước khi chạy. Bạn có thể kiểm tra trạng thái của nhiệm vụ tải mô hình xuống
bằng phương thức isModelDownloaded(remoteModel:)
của trình quản lý mô hình.
Mặc dù bạn chỉ phải xác nhận điều này trước khi chạy trình phát hiện đối tượng, nhưng nếu bạn có cả mô hình được lưu trữ từ xa và mô hình được gói cục bộ, thì bạn có thể thực hiện việc kiểm tra này khi tạo ObjectDetector
: tạo một trình phát hiện từ mô hình từ xa nếu nó đã được tải xuống, và từ mô hình cục bộ.
Swift
var options: CustomObjectDetectorOptions! if (ModelManager.modelManager().isModelDownloaded(remoteModel)) { options = CustomObjectDetectorOptions(remoteModel: remoteModel) } else { options = CustomObjectDetectorOptions(localModel: localModel) } options.detectorMode = .singleImage options.shouldEnableClassification = true options.shouldEnableMultipleObjects = true options.classificationConfidenceThreshold = NSNumber(value: 0.5) options.maxPerObjectLabelCount = 3
Objective-C
MLKCustomObjectDetectorOptions *options; if ([[MLKModelManager modelManager] isModelDownloaded:remoteModel]) { options = [[MLKCustomObjectDetectorOptions alloc] initWithRemoteModel:remoteModel]; } else { options = [[MLKCustomObjectDetectorOptions alloc] initWithLocalModel:localModel]; } options.detectorMode = MLKObjectDetectorModeSingleImage; options.shouldEnableClassification = YES; options.shouldEnableMultipleObjects = YES; options.classificationConfidenceThreshold = @(0.5); options.maxPerObjectLabelCount = 3;
Nếu chỉ có một mô hình được lưu trữ từ xa, bạn nên vô hiệu hoá chức năng liên quan đến mô hình (ví dụ: chuyển sang màu xám hoặc ẩn một phần giao diện người dùng) cho đến khi xác nhận rằng mô hình đã được tải xuống.
Bạn có thể xem trạng thái tải mô hình xuống bằng cách đính kèm trình quan sát vào Trung tâm thông báo mặc định. Hãy nhớ sử dụng một tệp tham chiếu yếu đến self
trong khối trình quan sát, vì quá trình tải xuống có thể mất một chút thời gian và đối tượng gốc có thể được giải phóng trước khi tải xuống xong. Ví dụ:
Swift
NotificationCenter.default.addObserver( forName: .mlkitModelDownloadDidSucceed, object: nil, queue: nil ) { [weak self] notification in guard let strongSelf = self, let userInfo = notification.userInfo, let model = userInfo[ModelDownloadUserInfoKey.remoteModel.rawValue] as? RemoteModel, model.name == "your_remote_model" else { return } // The model was downloaded and is available on the device } NotificationCenter.default.addObserver( forName: .mlkitModelDownloadDidFail, object: nil, queue: nil ) { [weak self] notification in guard let strongSelf = self, let userInfo = notification.userInfo, let model = userInfo[ModelDownloadUserInfoKey.remoteModel.rawValue] as? RemoteModel else { return } let error = userInfo[ModelDownloadUserInfoKey.error.rawValue] // ... }
Objective-C
__weak typeof(self) weakSelf = self; [NSNotificationCenter.defaultCenter addObserverForName:MLKModelDownloadDidSucceedNotification object:nil queue:nil usingBlock:^(NSNotification *_Nonnull note) { if (weakSelf == nil | note.userInfo == nil) { return; } __strong typeof(self) strongSelf = weakSelf; MLKRemoteModel *model = note.userInfo[MLKModelDownloadUserInfoKeyRemoteModel]; if ([model.name isEqualToString:@"your_remote_model"]) { // The model was downloaded and is available on the device } }]; [NSNotificationCenter.defaultCenter addObserverForName:MLKModelDownloadDidFailNotification object:nil queue:nil usingBlock:^(NSNotification *_Nonnull note) { if (weakSelf == nil | note.userInfo == nil) { return; } __strong typeof(self) strongSelf = weakSelf; NSError *error = note.userInfo[MLKModelDownloadUserInfoKeyError]; }];
API phát hiện và theo dõi đối tượng được tối ưu hoá cho hai trường hợp sử dụng cốt lõi sau:
- Phát hiện và theo dõi trực tiếp đối tượng nổi bật nhất trong kính ngắm của máy ảnh.
- Phát hiện nhiều đối tượng từ một hình ảnh tĩnh.
Cách định cấu hình API cho các trường hợp sử dụng này:
Swift
// Live detection and tracking let options = CustomObjectDetectorOptions(localModel: localModel) options.shouldEnableClassification = true options.maxPerObjectLabelCount = 3 // Multiple object detection in static images let options = CustomObjectDetectorOptions(localModel: localModel) options.detectorMode = .singleImage options.shouldEnableMultipleObjects = true options.shouldEnableClassification = true options.maxPerObjectLabelCount = 3
Objective-C
// Live detection and tracking MLKCustomObjectDetectorOptions *options = [[MLKCustomObjectDetectorOptions alloc] initWithLocalModel:localModel]; options.shouldEnableClassification = YES; options.maxPerObjectLabelCount = 3; // Multiple object detection in static images MLKCustomObjectDetectorOptions *options = [[MLKCustomObjectDetectorOptions alloc] initWithLocalModel:localModel]; options.detectorMode = MLKObjectDetectorModeSingleImage; options.shouldEnableMultipleObjects = YES; options.shouldEnableClassification = YES; options.maxPerObjectLabelCount = 3;
3. Chuẩn bị hình ảnh nhập vào
Tạo đối tượng VisionImage
bằng UIImage
hoặc CMSampleBuffer
.
Nếu bạn sử dụng UIImage
, hãy làm theo các bước sau:
- Tạo đối tượng
VisionImage
bằngUIImage
. Hãy nhớ chỉ định đúng.orientation
.Swift
let image = VisionImage(image: UIImage) visionImage.orientation = image.imageOrientation
Objective-C
MLKVisionImage *visionImage = [[MLKVisionImage alloc] initWithImage:image]; visionImage.orientation = image.imageOrientation;
Nếu bạn sử dụng CMSampleBuffer
, hãy làm theo các bước sau:
-
Hãy chỉ định hướng của dữ liệu hình ảnh có trong
CMSampleBuffer
.Cách nhận hướng của hình ảnh:
Swift
func imageOrientation( deviceOrientation: UIDeviceOrientation, cameraPosition: AVCaptureDevice.Position ) -> UIImage.Orientation { switch deviceOrientation { case .portrait: return cameraPosition == .front ? .leftMirrored : .right case .landscapeLeft: return cameraPosition == .front ? .downMirrored : .up case .portraitUpsideDown: return cameraPosition == .front ? .rightMirrored : .left case .landscapeRight: return cameraPosition == .front ? .upMirrored : .down case .faceDown, .faceUp, .unknown: return .up } }
Objective-C
- (UIImageOrientation) imageOrientationFromDeviceOrientation:(UIDeviceOrientation)deviceOrientation cameraPosition:(AVCaptureDevicePosition)cameraPosition { switch (deviceOrientation) { case UIDeviceOrientationPortrait: return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationLeftMirrored : UIImageOrientationRight; case UIDeviceOrientationLandscapeLeft: return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationDownMirrored : UIImageOrientationUp; case UIDeviceOrientationPortraitUpsideDown: return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationRightMirrored : UIImageOrientationLeft; case UIDeviceOrientationLandscapeRight: return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationUpMirrored : UIImageOrientationDown; case UIDeviceOrientationUnknown: case UIDeviceOrientationFaceUp: case UIDeviceOrientationFaceDown: return UIImageOrientationUp; } }
- Tạo đối tượng
VisionImage
bằng cách sử dụng đối tượng và hướngCMSampleBuffer
:Swift
let image = VisionImage(buffer: sampleBuffer) image.orientation = imageOrientation( deviceOrientation: UIDevice.current.orientation, cameraPosition: cameraPosition)
Objective-C
MLKVisionImage *image = [[MLKVisionImage alloc] initWithBuffer:sampleBuffer]; image.orientation = [self imageOrientationFromDeviceOrientation:UIDevice.currentDevice.orientation cameraPosition:cameraPosition];
4. Tạo và chạy trình phát hiện đối tượng
Tạo trình phát hiện đối tượng mới:
Swift
let objectDetector = ObjectDetector.objectDetector(options: options)
Objective-C
MLKObjectDetector *objectDetector = [MLKObjectDetector objectDetectorWithOptions:options];
Sau đó, hãy sử dụng trình phát hiện:
Không đồng bộ:
Swift
objectDetector.process(image) { objects, error in guard error == nil, let objects = objects, !objects.isEmpty else { // Handle the error. return } // Show results. }
Objective-C
[objectDetector processImage:image completion:^(NSArray
*_Nullable objects, NSError *_Nullable error) { if (objects.count == 0) { // Handle the error. return; } // Show results. }]; Đồng bộ:
Swift
var objects: [Object] do { objects = try objectDetector.results(in: image) } catch let error { // Handle the error. return } // Show results.
Objective-C
NSError *error; NSArray
*objects = [objectDetector resultsInImage:image error:&error]; // Show results or handle the error.
5. Nhận thông tin về đối tượng được gắn nhãn
Nếu thành công, lệnh gọi đến trình xử lý hình ảnh sẽ truyền danh sách
Object
đến trình xử lý hoàn thành hoặc trả về danh sách, tuỳ thuộc vào việc bạn
gọi phương thức không đồng bộ hay đồng bộ.
Mỗi Object
chứa các thuộc tính sau:
frame |
CGRect cho biết vị trí của đối tượng trong hình ảnh. |
||||||
trackingID |
Số nguyên xác định đối tượng trên các hình ảnh hoặc `nil` trong SINGLE_IMAGE_MODE. | ||||||
labels |
|
Swift
// objects contains one item if multiple object detection wasn't enabled. for object in objects { let frame = object.frame let trackingID = object.trackingID let description = object.labels.enumerated().map { (index, label) in "Label \(index): \(label.text), \(label.confidence), \(label.index)" }.joined(separator: "\n") }
Objective-C
// The list of detected objects contains one item if multiple object detection // wasn't enabled. for (MLKObject *object in objects) { CGRect frame = object.frame; NSNumber *trackingID = object.trackingID; for (MLKObjectLabel *label in object.labels) { NSString *labelString = [NSString stringWithFormat:@"%@, %f, %lu", label.text, label.confidence, (unsigned long)label.index]; } }
Đảm bảo trải nghiệm người dùng tuyệt vời
Để có trải nghiệm người dùng tốt nhất, hãy làm theo các nguyên tắc sau trong ứng dụng của bạn:
- Việc phát hiện đối tượng thành công phụ thuộc vào độ phức tạp trực quan của đối tượng. Để được phát hiện, các đối tượng có số lượng ít các đặc điểm hình ảnh có thể cần chiếm phần lớn hơn của hình ảnh. Bạn nên hướng dẫn người dùng về cách nhập nội dung hoạt động hiệu quả với loại đối tượng bạn muốn phát hiện.
- Khi sử dụng tính năng phân loại, nếu bạn muốn phát hiện các đối tượng không thuộc danh mục được hỗ trợ, hãy triển khai cách xử lý đặc biệt cho các đối tượng không xác định.
Ngoài ra, vui lòng xem bộ sưu tập [ML Kit Material Design][ứng dụng giới thiệu- đường liên kết]{: .external } và Mẫu cho các tính năng sử dụng công nghệ máy học của Material Design.
Cải thiện hiệu suất
Nếu bạn muốn sử dụng tính năng phát hiện đối tượng trong ứng dụng theo thời gian thực, hãy làm theo các nguyên tắc sau để đạt được tốc độ khung hình tốt nhất:Khi bạn sử dụng chế độ phát trực tuyến trong một ứng dụng theo thời gian thực, đừng sử dụng tính năng phát hiện nhiều đối tượng vì hầu hết các thiết bị sẽ không thể tạo đủ tốc độ khung hình.
- Để xử lý các khung hình video, hãy sử dụng API đồng bộ
results(in:)
của trình phát hiện. Gọi phương thức này từ hàmcaptureOutput(_, didOutput:from:)
củaAVCaptureVideoDataOutputSampleBufferDelegate
để nhận kết quả đồng bộ từ khung video đã cho. GiữalwaysDiscardsLateVideoFrames
củaAVCaptureVideoDataOutput
dưới dạngtrue
để điều tiết cuộc gọi đến trình phát hiện. Nếu một khung hình video mới xuất hiện trong khi trình phát hiện đang chạy, thì trình phát hiện sẽ bị loại bỏ. - Nếu bạn sử dụng đầu ra của trình phát hiện để phủ hình ảnh trên hình ảnh đầu vào, trước tiên hãy nhận kết quả từ Bộ công cụ máy học, sau đó hiển thị hình ảnh và lớp phủ trong một bước duy nhất. Bằng cách đó, bạn sẽ chỉ kết xuất được trên bề mặt hiển thị một lần cho mỗi khung đầu vào đã xử lý. Hãy xem updatePreviewOverlayViewWithLastFrame trong ví dụ về thông tin bắt đầu nhanh cho Bộ công cụ máy học.