ML Kit-এর অন-ডিভাইস অবজেক্ট শনাক্তকরণ ও ট্র্যাকিং API-এর সাহায্যে, আপনি কোনও ছবি বা লাইভ ক্যামেরা ফিডে অবজেক্ট শনাক্ত ও ট্র্যাক করতে পারবেন।
বিকল্প হিসেবে, আপনি API-তে বিল্ট-ইন কোর্স ক্লাসিফায়ার ব্যবহার করে অথবা আপনার নিজস্ব কাস্টম ইমেজ ক্লাসিফিকেশন মডেল ব্যবহার করে শনাক্ত করা অবজেক্টগুলিকে শ্রেণীবদ্ধ করতে পারেন। আরও তথ্যের জন্য কাস্টম LiteRT মডেল ব্যবহার করা দেখুন।
ডিভাইসে অবজেক্ট শনাক্তকরণ ও ট্র্যাকিং হয় বলে, এটি ভিজ্যুয়াল সার্চ পাইপলাইনের ফ্রন্ট-এন্ড হিসেবে ভাল কাজ করে। আপনি অবজেক্ট শনাক্ত ও ফিল্টার করার পরে, Cloud Vision প্রোডাক্ট সার্চের মতো ক্লাউড ব্যাকএন্ডে সেগুলি পাস করতে পারবেন।
গুরুত্বপূর্ণ ক্ষমতা
- দ্রুত অবজেক্ট শনাক্তকরণ ও ট্র্যাকিং অবজেক্ট শনাক্ত করুন এবং ছবিতে সেগুলির লোকেশন পান। পরপর ছবির ফ্রেম জুড়ে অবজেক্ট ট্র্যাক করুন।
- অপ্টিমাইজ করা অন-ডিভাইস মডেল অবজেক্ট শনাক্তকরণ ও ট্র্যাকিং মডেল মোবাইল ডিভাইসের জন্য অপ্টিমাইজ করা হয়েছে এবং এটি রিয়েল-টাইম অ্যাপ্লিকেশনে ব্যবহার করার জন্য তৈরি করা হয়েছে, এমনকি কম দামের ডিভাইসেও।
- গুরুত্বপূর্ণ অবজেক্ট শনাক্তকরণ কোনও ছবিতে সবচেয়ে গুরুত্বপূর্ণ অবজেক্ট অটোমেটিক নির্ধারণ করে।
- মোটামুটি শ্রেণীবিন্যাস অবজেক্টগুলিকে বিস্তৃত বিভাগে শ্রেণীবদ্ধ করুন, যা আপনি ব্যবহার করতে পারেন আপনার আগ্রহ নেই এমন অবজেক্ট ফিল্টার আউট করতে। নিম্নলিখিত বিভাগগুলি কাজ করে: বাড়ির জিনিসপত্র, ফ্যাশন সংক্রান্ত জিনিসপত্র, খাবার, গাছপালা এবং জায়গা।
- কাস্টম মডেলের সাহায্যে শ্রেণীবিভাগ নির্দিষ্ট অবজেক্টের বিভাগ শনাক্ত বা ফিল্টার করতে আপনার নিজস্ব কাস্টম ইমেজ ক্লাসিফিকেশন মডেল ব্যবহার করুন। ছবির ব্যাকগ্রাউন্ড বাদ দিয়ে আপনার কাস্টম মডেলের পারফর্ম্যান্স আরও ভাল করুন।
ফলাফলের উদাহরণ
বিভিন্ন ছবি জুড়ে সবচেয়ে গুরুত্বপূর্ণ অবজেক্ট ট্র্যাক করা হচ্ছে
নিচের উদাহরণে ML Kit-এর দেওয়া ডিফল্ট কোয়ার্স ক্লাসিফায়ার সহ পরপর তিনটি ফ্রেমের ট্র্যাকিং ডেটা দেখানো হয়েছে।
 |
|
||||||||
 |
|
||||||||
 |
|
ছবি: Christian Ferrer [CC BY-SA 4.0]
একটি স্থির ছবিতে একাধিক অবজেক্ট
নিচের উদাহরণে ML Kit-এর দেওয়া ডিফল্ট কোয়ার্স ক্লাসিফায়ার ব্যবহার করে ছবিতে শনাক্ত করা চারটি অবজেক্টের ডেটা দেখানো হয়েছে।
| অবজেক্ট ০ | |
|---|---|
| বাউন্ডারি | (১, ৯৭), (৩৩২, ৯৭), (৩৩২, ৩৩২), (১, ৩৩২) |
| বিভাগ | FASHION_GOOD |
| শ্রেণীবিভাগ সংক্রান্ত আত্মবিশ্বাস | ০.৯৫৭০৩১২৫ |
| অবজেক্ট ১ | |
| বাউন্ডারি | (১৮৬, ৮০), (৩৩৭, ৮০), (৩৩৭, ২২৬), (১৮৬, ২২৬) |
| বিভাগ | FASHION_GOOD |
| শ্রেণীবিভাগ সংক্রান্ত আত্মবিশ্বাস | 0.84375 |
| অবজেক্ট ২ | |
| বাউন্ড | (২৯৬, ৮০), (৪৭২, ৮০), (৪৭২, ৩৮৮), (২৯৬, ৩৮৮) |
| বিভাগ | FASHION_GOOD |
| শ্রেণীবিভাগের কনফিডেন্স | 0.94921875 |
| অবজেক্ট ৩ | |
| বাউন্ডারি | (৪৩৯, ৮৩), (৬১৫, ৮৩), (৬১৫, ৩০৬), (৪৩৯, ৩০৬) |
| বিভাগ | FASHION_GOOD |
| শ্রেণীবিভাগ সংক্রান্ত আত্মবিশ্বাস | ০.৯৩৭৫ |
কাস্টম LiteRT মডেল ব্যবহার করা
ডিফল্ট কোয়ার্স ক্লাসিফায়ার পাঁচটি বিভাগের জন্য তৈরি করা হয়েছে, যা শনাক্ত করা অবজেক্ট সম্পর্কে সীমিত তথ্য প্রদান করে। আপনার আরও বিশেষায়িত ক্লাসিফায়ার মডেলের প্রয়োজন হতে পারে যা আরও বিস্তারিতভাবে ধারণার সংকীর্ণ ডোমেন কভার করে; যেমন, ফুলের প্রজাতি বা খাবারের প্রকারের মধ্যে পার্থক্য করার জন্য একটি মডেল।
এই API আপনাকে বিভিন্ন সোর্স থেকে কাস্টম ইমেজ ক্লাসিফিকেশন মডেল ব্যবহার করার মাধ্যমে নির্দিষ্ট ব্যবহারের ক্ষেত্রে মানিয়ে নিতে সাহায্য করে। আরও জানতে ML Kit সহ কাস্টম মডেল দেখুন। কাস্টম মডেলগুলি আপনার অ্যাপের সাথে বান্ডেল করা হতে পারে অথবা Cloud Storage থেকে ডায়নামিক ডাউনলোড করা হতে পারে।
ইনপুট ছবি প্রসেস করা
প্রয়োজন হলে, অবজেক্ট ডিটেকশন ও ট্র্যাকিং ফিচার ইনপুট ইমেজের সাইজ ও অ্যাস্পেক্ট রেশিও অ্যাডজাস্ট করার জন্য বিলিনিয়ার ইমেজ স্কেলিং ও স্ট্রেচিং ব্যবহার করে যাতে সেগুলি অন্তর্নিহিত মডেলের প্রয়োজনীয়তার সাথে মানানসই হয়।