संग्रह की मदद से व्यवस्थित रहें अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.

ऑब्जेक्ट का पता लगाना और उसे ट्रैक करना

एमएल किट और डिवाइस पर मौजूद ऑब्जेक्ट पहचानने वाली सुविधा से, आप किसी इमेज या लाइव कैमरा फ़ीड में ऑब्जेक्ट का पता लगा सकते हैं और उन्हें ट्रैक कर सकते हैं.

इसके अलावा, आप पता चलने वाले ऑब्जेक्ट की कैटगरी तय कर सकते हैं या तो एपीआई में दिए गए 'सामान्य' क्लासिफ़ायर का इस्तेमाल करें या फिर अपनी पसंद के मुताबिक इमेज क्लासिफ़िकेशन मॉडल का इस्तेमाल करें. ज़्यादा जानकारी के लिए, कस्टम TensorFlow लाइट मॉडल का इस्तेमाल करना देखें.

डिवाइस पर ऑब्जेक्ट की पहचान और ट्रैकिंग होने की वजह से, यह विज़ुअल सर्च पाइपलाइन के सामने वाले हिस्से पर भी काम करता है. ऑब्जेक्ट का पता लगाने और उन्हें फ़िल्टर करने के बाद, आप उन्हें क्लाउड बैकएंड पर भेज सकते हैं, जैसे कि Cloud Vision प्रॉडक्ट की खोज.

iOS Android

मुख्य क्षमताएं

  • तेज़ ऑब्जेक्ट की पहचान और ट्रैकिंग इमेज में ऑब्जेक्ट का पता लगाएं और उनकी जगह की जानकारी पाएं. एक के बाद एक इमेज फ़्रेम पर ऑब्जेक्ट ट्रैक करें.
  • ऑप्टिमाइज़ किया गया डिवाइस मॉडल ऑब्जेक्ट डिटेक्शन और ट्रैकिंग मॉडल को मोबाइल डिवाइस के लिए ऑप्टिमाइज़ किया गया है और यह रीयल-टाइम ऐप्लिकेशन में भी इस्तेमाल किया जा सकता है, भले ही कम ऊंचाई वाला डिवाइस हो.
  • साफ़ तौर पर ऑब्जेक्ट की पहचान करना इमेज में सबसे अहम ऑब्जेक्ट को अपने-आप तय करें.
  • असभ्य वर्गीकरण ऑब्जेक्ट को विस्तृत श्रेणियों में वर्गीकृत करें, जिनका इस्तेमाल आप अपनी पसंद के ऑब्जेक्ट को फ़िल्टर करने के लिए कर सकते हैं. ये कैटगरी काम करती हैं: घर के सामान, फ़ैशन के सामान, खाना, पौधे, और जगहें.
  • कस्टम मॉडल की मदद से कैटगरी तय करना खास ऑब्जेक्ट ऑब्जेक्ट की पहचान करने या उन्हें फ़िल्टर करने के लिए, कस्टम इमेज क्लासिफ़िकेशन मॉडल का इस्तेमाल करें. इमेज के बैकग्राउंड से बाहर जाते हुए अपने कस्टम मॉडल को बेहतर बनाएं.

परिणामों के उदाहरण

सभी इमेज पर सबसे प्रमुख ऑब्जेक्ट को ट्रैक करना

नीचे दिए गए उदाहरण में, ML किट के ज़रिए दिए गए डिफ़ॉल्ट ऊपरी फ़्रेम के साथ तीन लगातार फ़्रेम के ट्रैकिंग डेटा को दिखाया गया है.

ट्रैकिंग आईडी 0
बाउंड (95, 45), (496, 45), (496, 240), (95, 240)
कैटगरी जगह
कॉन्फ़िडेंस 0.9296875
ट्रैकिंग आईडी 0
बाउंड (84, 46), (478, 46), (478, 247), (84, 247)
कैटगरी जगह
कॉन्फ़िडेंस 0.8710938
ट्रैकिंग आईडी 0
बाउंड (53, 45), (519, 45), (519, 240), (53, 240)
कैटगरी जगह
कॉन्फ़िडेंस 0.8828125

फ़ोटो: क्रिश्चियन फ़ेरर [CC BY-SA 4.0]

स्टैटिक इमेज में कई ऑब्जेक्ट

नीचे दिए गए उदाहरण में इमेज में पाए गए चार ऑब्जेक्ट के डेटा की जानकारी दी गई है. इन ऑब्जेक्ट को एमएल किट की मदद से, डिफ़ॉल्ट के तौर पर तय किया गया है.

ऑब्जेक्ट 0
बाउंड (1, 97), (332, 97), (332, 332), (1, 332)
कैटगरी FASHION_GOOD
कॉन्फ़िडेंस 0.95703125
ऑब्जेक्ट 1
बाउंड (186, 80), (337, 80), (337, 226), (186, 226)
कैटगरी FASHION_GOOD
कॉन्फ़िडेंस 0.84375
ऑब्जेक्ट 2
बाउंड (296, 80), (472, 80), (472, 388), (296, 388)
कैटगरी FASHION_GOOD
कॉन्फ़िडेंस 0.94921875
ऑब्जेक्ट 3
बाउंड (439, 83), (615, 83), (615, 306), (439, 306)
कैटगरी FASHION_GOOD
कॉन्फ़िडेंस 0.9375

कस्टम TensorFlow लाइट मॉडल का इस्तेमाल करना

कैटगरी तय करने का डिफ़ॉल्ट तरीका पांच कैटगरी के लिए बनाया गया है. इससे, पता लगाए गए ऑब्जेक्ट के बारे में सीमित जानकारी मिलती है. हो सकता है कि आपको कैटगरी के हिसाब से ज़्यादा खास मॉडल की ज़रूरत पड़े. इस मॉडल में, कॉन्सेप्ट का छोटा डोमेन ज़्यादा जानकारी के साथ शामिल होता है. उदाहरण के लिए, ऐसा मॉडल जो फूलों की प्रजातियों या खाने की अलग-अलग प्रजातियों के बीच अंतर करता है.

यह एपीआई, कई तरह के सोर्स से कस्टम इमेज की कैटगरी तय करने वाले मॉडल के साथ काम करके, किसी खास मामले को आपके हिसाब से तैयार करने की सुविधा देता है. ज़्यादा जानने के लिए, कृपया एमएल किट के साथ कस्टम मॉडल देखें. कस्टम मॉडल को आपके ऐप्लिकेशन के साथ बंडल किया जा सकता है या क्लाउड से डाइनैमिक तौर पर डाउनलोड किया जा सकता है. इसके लिए, Firebase मशीन लर्निंग's मॉडल डिप्लॉयमेंट सेवा का इस्तेमाल किया जाता है.

iOS Android

इनपुट चित्र प्रीप्रोसेसिंग

ज़रूरत पड़ने पर, ऑब्जेक्ट का पता लगाने और उसे ट्रैक करने के लिए बायलाइनर इमेज स्केलिंग का इस्तेमाल किया जाता है. साथ ही, इनपुट इमेज के साइज़ और आसपेक्ट रेशियो (चौड़ाई-ऊंचाई का अनुपात) में बदलाव करने के लिए, स्ट्रेचिंग का इस्तेमाल किया जाता है, ताकि यह बुनियादी मॉडल की ज़रूरतों के मुताबिक हो.