এই পৃষ্ঠাটি Cloud Translation API অনুবাদ করেছে।

অ্যান্ড্রয়েডের জন্য এমএল কিট সহ বিষয় বিভাজন

আপনার অ্যাপে সহজে বিষয় বিভাজন বৈশিষ্ট্য যোগ করতে ML কিট ব্যবহার করুন।

বৈশিষ্ট্য	বিস্তারিত
Sdk নাম	play-services-mlkit-বিষয়-বিভাজন
বাস্তবায়ন	আনবান্ডেড: মডেলটি গতিশীলভাবে Google Play পরিষেবা ব্যবহার করে ডাউনলোড করা হয়।
অ্যাপের আকারের প্রভাব	~200 KB আকার বৃদ্ধি।
প্রারম্ভিক সময়	ব্যবহারকারীদের প্রথম ব্যবহারের আগে মডেলটি ডাউনলোড করার জন্য অপেক্ষা করতে হতে পারে।

চেষ্টা কর

এই API এর একটি উদাহরণ ব্যবহার দেখতে নমুনা অ্যাপের সাথে খেলুন।

তুমি শুরু করার আগে

এই API এর জন্য Android API স্তর 24 বা তার উপরে প্রয়োজন৷ নিশ্চিত করুন যে আপনার অ্যাপের বিল্ড ফাইলটি 24 বা তার বেশির একটি minSdkVersion মান ব্যবহার করে।

আপনার প্রকল্প-স্তরের build.gradle ফাইলে, আপনার buildscript এবং allprojects উভয় বিভাগেই Google-এর Maven সংগ্রহস্থল অন্তর্ভুক্ত করা নিশ্চিত করুন৷
আপনার মডিউলের অ্যাপ-লেভেল গ্রেডল ফাইলে এমএল কিট বিষয়ের সেগমেন্টেশন লাইব্রেরির জন্য নির্ভরতা যোগ করুন, যা সাধারণত app/build.gradle হয় :

dependencies {
   implementation 'com.google.android.gms:play-services-mlkit-subject-segmentation:16.0.0-beta1'
}

উপরে উল্লিখিত মডেলটি Google Play পরিষেবা দ্বারা সরবরাহ করা হয়েছে। প্লে স্টোর থেকে আপনার অ্যাপ ইন্সটল হওয়ার পরে আপনি ডিভাইসে মডেলটিকে স্বয়ংক্রিয়ভাবে ডাউনলোড করতে আপনার অ্যাপ কনফিগার করতে পারেন। এটি করতে, আপনার অ্যাপের AndroidManifest.xml ফাইলে নিম্নলিখিত ঘোষণা যোগ করুন:

<application ...>
      ...
      <meta-data
          android:name="com.google.mlkit.vision.DEPENDENCIES"
          android:value="subject_segment" >
      <!-- To use multiple models: android:value="subject_segment,model2,model3" -->
</application>

আপনি ModuleInstallClient API এর সাথে Google Play পরিষেবার মাধ্যমে মডেলের প্রাপ্যতা স্পষ্টভাবে পরীক্ষা করতে এবং ডাউনলোডের অনুরোধ করতে পারেন।

আপনি যদি ইনস্টল-টাইম মডেল ডাউনলোডগুলি সক্ষম না করেন বা স্পষ্টভাবে ডাউনলোডের অনুরোধ না করেন তবে আপনি প্রথমবার সেগমেন্টার চালানোর সময় মডেলটি ডাউনলোড করা হবে৷ ডাউনলোড সম্পূর্ণ হওয়ার আগে আপনি যে অনুরোধগুলি করেন তা কোনও ফলাফল দেয় না।

1. ইনপুট ইমেজ প্রস্তুত করুন

একটি চিত্রে বিভাজন সঞ্চালন করতে, একটি Bitmap , media.Image ইমেজ , ByteBuffer , বাইট অ্যারে বা ডিভাইসে একটি ফাইল থেকে একটি InputImage অবজেক্ট তৈরি করুন৷

আপনি বিভিন্ন উত্স থেকে একটি InputImage অবজেক্ট তৈরি করতে পারেন, প্রতিটি নীচে ব্যাখ্যা করা হয়েছে৷

একটি `media.Image` ব্যবহার করে. ইমেজ

একটি media.Image থেকে একটি InputImage অবজেক্ট তৈরি করতে। ইমেজ অবজেক্ট, যেমন আপনি যখন একটি ডিভাইসের ক্যামেরা থেকে একটি ইমেজ ক্যাপচার করেন, তখন media.Image পাস করুন। ইমেজ অবজেক্ট এবং ইমেজের রোটেশন InputImage.fromMediaImage() এ।

আপনি যদি CameraX লাইব্রেরি ব্যবহার করেন, OnImageCapturedListener এবং ImageAnalysis.Analyzer ক্লাসগুলি আপনার জন্য ঘূর্ণন মান গণনা করে৷

কোটলিন

private class YourImageAnalyzer : ImageAnalysis.Analyzer {

    override fun analyze(imageProxy: ImageProxy) {
        val mediaImage = imageProxy.image
        if (mediaImage != null) {
            val image = InputImage.fromMediaImage(mediaImage, imageProxy.imageInfo.rotationDegrees)
            // Pass image to an ML Kit Vision API
            // ...
        }
    }
}

জাভা

private class YourAnalyzer implements ImageAnalysis.Analyzer {

    @Override
    public void analyze(ImageProxy imageProxy) {
        Image mediaImage = imageProxy.getImage();
        if (mediaImage != null) {
          InputImage image =
                InputImage.fromMediaImage(mediaImage, imageProxy.getImageInfo().getRotationDegrees());
          // Pass image to an ML Kit Vision API
          // ...
        }
    }
}

আপনি যদি এমন একটি ক্যামেরা লাইব্রেরি ব্যবহার না করেন যা আপনাকে চিত্রের ঘূর্ণন ডিগ্রী দেয়, আপনি ডিভাইসের ঘূর্ণন ডিগ্রী এবং ডিভাইসে ক্যামেরা সেন্সরের অভিযোজন থেকে এটি গণনা করতে পারেন:

কোটলিন

private val ORIENTATIONS = SparseIntArray()

init {
    ORIENTATIONS.append(Surface.ROTATION_0, 0)
    ORIENTATIONS.append(Surface.ROTATION_90, 90)
    ORIENTATIONS.append(Surface.ROTATION_180, 180)
    ORIENTATIONS.append(Surface.ROTATION_270, 270)
}

/**
 * Get the angle by which an image must be rotated given the device's current
 * orientation.
 */
@RequiresApi(api = Build.VERSION_CODES.LOLLIPOP)
@Throws(CameraAccessException::class)
private fun getRotationCompensation(cameraId: String, activity: Activity, isFrontFacing: Boolean): Int {
    // Get the device's current rotation relative to its "native" orientation.
    // Then, from the ORIENTATIONS table, look up the angle the image must be
    // rotated to compensate for the device's rotation.
    val deviceRotation = activity.windowManager.defaultDisplay.rotation
    var rotationCompensation = ORIENTATIONS.get(deviceRotation)

    // Get the device's sensor orientation.
    val cameraManager = activity.getSystemService(CAMERA_SERVICE) as CameraManager
    val sensorOrientation = cameraManager
            .getCameraCharacteristics(cameraId)
            .get(CameraCharacteristics.SENSOR_ORIENTATION)!!

    if (isFrontFacing) {
        rotationCompensation = (sensorOrientation + rotationCompensation) % 360
    } else { // back-facing
        rotationCompensation = (sensorOrientation - rotationCompensation + 360) % 360
    }
    return rotationCompensation
}MLKitVisionImage.kt

জাভা

private static final SparseIntArray ORIENTATIONS = new SparseIntArray();
static {
    ORIENTATIONS.append(Surface.ROTATION_0, 0);
    ORIENTATIONS.append(Surface.ROTATION_90, 90);
    ORIENTATIONS.append(Surface.ROTATION_180, 180);
    ORIENTATIONS.append(Surface.ROTATION_270, 270);
}

/**
 * Get the angle by which an image must be rotated given the device's current
 * orientation.
 */
@RequiresApi(api = Build.VERSION_CODES.LOLLIPOP)
private int getRotationCompensation(String cameraId, Activity activity, boolean isFrontFacing)
        throws CameraAccessException {
    // Get the device's current rotation relative to its "native" orientation.
    // Then, from the ORIENTATIONS table, look up the angle the image must be
    // rotated to compensate for the device's rotation.
    int deviceRotation = activity.getWindowManager().getDefaultDisplay().getRotation();
    int rotationCompensation = ORIENTATIONS.get(deviceRotation);

    // Get the device's sensor orientation.
    CameraManager cameraManager = (CameraManager) activity.getSystemService(CAMERA_SERVICE);
    int sensorOrientation = cameraManager
            .getCameraCharacteristics(cameraId)
            .get(CameraCharacteristics.SENSOR_ORIENTATION);

    if (isFrontFacing) {
        rotationCompensation = (sensorOrientation + rotationCompensation) % 360;
    } else { // back-facing
        rotationCompensation = (sensorOrientation - rotationCompensation + 360) % 360;
    }
    return rotationCompensation;
}

তারপর, media.Image অবজেক্ট এবং ঘূর্ণন ডিগ্রী মান InputImage.fromMediaImage() এ পাস করুন :

কোটলিন

val image = InputImage.fromMediaImage(mediaImage, rotation)MLKitVisionImage.kt

Java

InputImage image = InputImage.fromMediaImage(mediaImage, rotation);

একটি ফাইল ইউআরআই ব্যবহার করে

একটি ফাইল URI থেকে একটি InputImage অবজেক্ট তৈরি করতে, অ্যাপের প্রসঙ্গ এবং ফাইল URIকে InputImage.fromFilePath() এ পাস করুন। এটি উপযোগী যখন আপনি একটি ACTION_GET_CONTENT উদ্দেশ্য ব্যবহার করে ব্যবহারকারীকে তাদের গ্যালারি অ্যাপ থেকে একটি ছবি নির্বাচন করতে অনুরোধ করেন৷

কোটলিন

val image: InputImage
try {
    image = InputImage.fromFilePath(context, uri)
} catch (e: IOException) {
    e.printStackTrace()
}MLKitVisionImage.kt

Java

InputImage image;
try {
    image = InputImage.fromFilePath(context, uri);
} catch (IOException e) {
    e.printStackTrace();
}

একটি `ByteBuffer` বা `ByteArray` ব্যবহার করে

একটি ByteBuffer বা একটি ByteArray থেকে একটি InputImage অবজেক্ট তৈরি করতে, প্রথমে media.Image ইনপুটের জন্য পূর্বে বর্ণিত চিত্রের ঘূর্ণন ডিগ্রি গণনা করুন৷ তারপরে, ছবির উচ্চতা, প্রস্থ, রঙ এনকোডিং বিন্যাস এবং ঘূর্ণন ডিগ্রী সহ বাফার বা অ্যারে সহ InputImage অবজেক্ট তৈরি করুন:

কোটলিন

val image = InputImage.fromByteBuffer(
        byteBuffer,
        /* image width */ 480,
        /* image height */ 360,
        rotationDegrees,
        InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
)MLKitVisionImage.kt
// Or:
val image = InputImage.fromByteArray(
        byteArray,
        /* image width */ 480,
        /* image height */ 360,
        rotationDegrees,
        InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
)
MLKitVisionImage.kt

জাভা

InputImage image = InputImage.fromByteBuffer(byteBuffer,
        /* image width */ 480,
        /* image height */ 360,
        rotationDegrees,
        InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
);MLKitVisionImage.java
// Or:
InputImage image = InputImage.fromByteArray(
        byteArray,
        /* image width */480,
        /* image height */360,
        rotation,
        InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
);MLKitVisionImage.java

একটি `Bitmap` ব্যবহার করে

একটি Bitmap বস্তু থেকে একটি InputImage অবজেক্ট তৈরি করতে, নিম্নলিখিত ঘোষণা করুন:

কোটলিন

val image = InputImage.fromBitmap(bitmap, 0)MLKitVisionImage.kt

Java

InputImage image = InputImage.fromBitmap(bitmap, rotationDegree);MLKitVisionImage.java

চিত্রটি ঘূর্ণন ডিগ্রী সহ একটি Bitmap বস্তু দ্বারা উপস্থাপিত হয়।

2. SubjectSegmenter-এর একটি উদাহরণ তৈরি করুন

সেগমেন্টার বিকল্পগুলি সংজ্ঞায়িত করুন

আপনার ইমেজ সেগমেন্ট করতে, প্রথমে SubjectSegmenterOptions এর একটি উদাহরণ তৈরি করুন

কোটলিন

val options = SubjectSegmenterOptions.Builder()
       // enable options
       .build()

জাভা

SubjectSegmenterOptions options = new SubjectSegmenterOptions.Builder()
        // enable options
        .build();

এখানে প্রতিটি বিকল্পের বিশদ বিবরণ রয়েছে:

ফোরগ্রাউন্ড কনফিডেন্স মাস্ক

ফোরগ্রাউন্ড কনফিডেন্স মাস্ক আপনাকে পটভূমি থেকে ফোরগ্রাউন্ড বিষয়কে আলাদা করতে দেয়।

কল enableForegroundConfidenceMask() বিকল্পগুলিতে আপনাকে পরবর্তীতে ছবিটি প্রক্রিয়া করার পরে ফিরে আসা SubjectSegmentationResult অবজেক্টে getForegroundMask() কল করে ফোরগ্রাউন্ড মাস্ক পুনরুদ্ধার করতে দেয়।

কোটলিন

val options = SubjectSegmenterOptions.Builder()
        .enableForegroundConfidenceMask()
        .build()

জাভা

SubjectSegmenterOptions options = new SubjectSegmenterOptions.Builder()
        .enableForegroundConfidenceMask()
        .build();

ফোরগ্রাউন্ড বিটম্যাপ

একইভাবে, আপনি ফোরগ্রাউন্ড বিষয়ের একটি বিটম্যাপও পেতে পারেন।

কল enableForegroundBitmap() বিকল্পগুলির মধ্যে আপনাকে পরবর্তীতে ছবিটি প্রক্রিয়াকরণের পরে ফিরে আসা SubjectSegmentationResult অবজেক্টে getForegroundBitmap() কল করে অগ্রভাগের বিটম্যাপ পুনরুদ্ধার করতে দেয়।

কোটলিন

val options = SubjectSegmenterOptions.Builder()
        .enableForegroundBitmap()
        .build()

জাভা

SubjectSegmenterOptions options = new SubjectSegmenterOptions.Builder()
        .enableForegroundBitmap()
        .build();

মাল্টি-সাবজেক্ট কনফিডেন্স মাস্ক

ফোরগ্রাউন্ড বিকল্পগুলির মতো, আপনি অনুসরণ করে প্রতিটি ফোরগ্রাউন্ড বিষয়ের জন্য আত্মবিশ্বাসের মুখোশ সক্ষম করতে SubjectResultOptions ব্যবহার করতে পারেন:

কোটলিন

val subjectResultOptions = SubjectSegmenterOptions.SubjectResultOptions.Builder()
    .enableConfidenceMask()
    .build()

val options = SubjectSegmenterOptions.Builder()
    .enableMultipleSubjects(subjectResultOptions)
    .build()

জাভা

SubjectResultOptions subjectResultOptions =
        new SubjectSegmenterOptions.SubjectResultOptions.Builder()
            .enableConfidenceMask()
            .build()

SubjectSegmenterOptions options = new SubjectSegmenterOptions.Builder()
      .enableMultipleSubjects(subjectResultOptions)
      .build()

মাল্টি-সাবজেক্ট বিটম্যাপ

এবং একইভাবে, আপনি প্রতিটি বিষয়ের জন্য বিটম্যাপ সক্ষম করতে পারেন:

কোটলিন

val subjectResultOptions = SubjectSegmenterOptions.SubjectResultOptions.Builder()
    .enableSubjectBitmap()
    .build()

val options = SubjectSegmenterOptions.Builder()
    .enableMultipleSubjects(subjectResultOptions)
    .build()

জাভা

SubjectResultOptions subjectResultOptions =
      new SubjectSegmenterOptions.SubjectResultOptions.Builder()
        .enableSubjectBitmap()
        .build()

SubjectSegmenterOptions options = new SubjectSegmenterOptions.Builder()
      .enableMultipleSubjects(subjectResultOptions)
      .build()

সাবজেক্ট সেগমেন্টার তৈরি করুন

একবার আপনি SubjectSegmenterOptions বিকল্পগুলি নির্দিষ্ট করে দিলে, একটি SubjectSegmenter ইন্সট্যান্স কল করে getClient() তৈরি করুন এবং বিকল্পগুলিকে প্যারামিটার হিসাবে পাস করুন:

কোটলিন

val segmenter = SubjectSegmentation.getClient(options)

জাভা

SubjectSegmenter segmenter = SubjectSegmentation.getClient(options);

3. একটি ছবি প্রক্রিয়া করুন

SubjectSegmenter process পদ্ধতিতে প্রস্তুতকৃত InputImage অবজেক্টটি পাস করুন:

কোটলিন

segmenter.process(inputImage)
    .addOnSuccessListener { result ->
        // Task completed successfully
        // ...
    }
    .addOnFailureListener { e ->
        // Task failed with an exception
        // ...
    }

জাভা

segmenter.process(inputImage)
    .addOnSuccessListener(new OnSuccessListener() {
            @Override
            public void onSuccess(SubjectSegmentationResult result) {
                // Task completed successfully
                // ...
            }
        })
        .addOnFailureListener(new OnFailureListener() {
            @Override
            public void onFailure(@NonNull Exception e) {
                // Task failed with an exception
                // ...
            }
        });

4. বিষয় বিভাজন ফলাফল পান

ফোরগ্রাউন্ড মাস্ক এবং বিটম্যাপ পুনরুদ্ধার করুন

একবার প্রক্রিয়া হয়ে গেলে, আপনি অনুসরণ করে getForegroundConfidenceMask() কলিং ইমেজটির জন্য ফোরগ্রাউন্ড মাস্ক পুনরুদ্ধার করতে পারেন:

কোটলিন

val colors = IntArray(image.width * image.height)

val foregroundMask = result.foregroundConfidenceMask
for (i in 0 until image.width * image.height) {
  if (foregroundMask[i] > 0.5f) {
    colors[i] = Color.argb(128, 255, 0, 255)
  }
}

val bitmapMask = Bitmap.createBitmap(
  colors, image.width, image.height, Bitmap.Config.ARGB_8888
)

জাভা

int[] colors = new int[image.getWidth() * image.getHeight()];

FloatBuffer foregroundMask = result.getForegroundConfidenceMask();
for (int i = 0; i < image.getWidth() * image.getHeight(); i++) {
  if (foregroundMask.get() > 0.5f) {
    colors[i] = Color.argb(128, 255, 0, 255);
  }
}

Bitmap bitmapMask = Bitmap.createBitmap(
      colors, image.getWidth(), image.getHeight(), Bitmap.Config.ARGB_8888
);

এছাড়াও আপনি getForegroundBitmap() কলিং ছবির অগ্রভাগের একটি বিটম্যাপ পুনরুদ্ধার করতে পারেন:

কোটলিন

val foregroundBitmap = result.foregroundBitmap

জাভা

Bitmap foregroundBitmap = result.getForegroundBitmap();

প্রতিটি বিষয়ের জন্য মুখোশ এবং বিটম্যাপ পুনরুদ্ধার করুন

একইভাবে, প্রতিটি বিষয়ে getConfidenceMask() কল করে আপনি বিভাগীয় বিষয়গুলির জন্য মুখোশ পুনরুদ্ধার করতে পারেন:

কোটলিন

val subjects = result.subjects

val colors = IntArray(image.width * image.height)
for (subject in subjects) {
  val mask = subject.confidenceMask
  for (i in 0 until subject.width * subject.height) {
    val confidence = mask[i]
    if (confidence > 0.5f) {
      colors[image.width * (subject.startY - 1) + subject.startX] =
          Color.argb(128, 255, 0, 255)
    }
  }
}

val bitmapMask = Bitmap.createBitmap(
  colors, image.width, image.height, Bitmap.Config.ARGB_8888
)

জাভা

List subjects = result.getSubjects();

int[] colors = new int[image.getWidth() * image.getHeight()];
for (Subject subject : subjects) {
  FloatBuffer mask = subject.getConfidenceMask();
  for (int i = 0; i < subject.getWidth() * subject.getHeight(); i++) {
    float confidence = mask.get();
    if (confidence > 0.5f) {
      colors[width * (subject.getStartY() - 1) + subject.getStartX()]
          = Color.argb(128, 255, 0, 255);
    }
  }
}

Bitmap bitmapMask = Bitmap.createBitmap(
  colors, image.width, image.height, Bitmap.Config.ARGB_8888
);

আপনি নিম্নলিখিত হিসাবে প্রতিটি বিভাগীয় বিষয়ের বিটম্যাপ অ্যাক্সেস করতে পারেন:

কোটলিন

val bitmaps = mutableListOf()
for (subject in subjects) {
  bitmaps.add(subject.bitmap)
}

জাভা

List bitmaps = new ArrayList<>();
for (Subject subject : subjects) {
  bitmaps.add(subject.getBitmap());
}

কর্মক্ষমতা উন্নত করার টিপস

প্রতিটি অ্যাপ্লিকেশান সেশনের জন্য, প্রথম অনুমানটি প্রায়শই পরবর্তী অনুমানের চেয়ে ধীর হয় মডেল শুরুর কারণে। যদি কম লেটেন্সি সমালোচনামূলক হয়, তাহলে সময়ের আগে একটি "ডামি" অনুমান কল করার কথা বিবেচনা করুন।

আপনার ফলাফলের গুণমান ইনপুট চিত্রের মানের উপর নির্ভর করে:

ML Kit একটি সঠিক বিভাজন ফলাফল পেতে, চিত্রটি কমপক্ষে 512x512 পিক্সেল হওয়া উচিত।
খারাপ ইমেজ ফোকাস এছাড়াও নির্ভুলতা প্রভাবিত করতে পারে. আপনি গ্রহণযোগ্য ফলাফল না পেলে, ব্যবহারকারীকে ছবিটি পুনরায় ক্যাপচার করতে বলুন।

অ্যান্ড্রয়েডের জন্য এমএল কিট সহ বিষয় বিভাজন

চেষ্টা কর

তুমি শুরু করার আগে

1. ইনপুট ইমেজ প্রস্তুত করুন

একটি media.Image ব্যবহার করে. ইমেজ

কোটলিন

জাভা

কোটলিন

জাভা

কোটলিন

Java

একটি ফাইল ইউআরআই ব্যবহার করে

কোটলিন

Java

একটি ByteBuffer বা ByteArray ব্যবহার করে

কোটলিন

জাভা

একটি Bitmap ব্যবহার করে

কোটলিন

Java

2. SubjectSegmenter-এর একটি উদাহরণ তৈরি করুন

সেগমেন্টার বিকল্পগুলি সংজ্ঞায়িত করুন

কোটলিন

জাভা

ফোরগ্রাউন্ড কনফিডেন্স মাস্ক

কোটলিন

জাভা

ফোরগ্রাউন্ড বিটম্যাপ

কোটলিন

জাভা

মাল্টি-সাবজেক্ট কনফিডেন্স মাস্ক

কোটলিন

জাভা

মাল্টি-সাবজেক্ট বিটম্যাপ

কোটলিন

জাভা

সাবজেক্ট সেগমেন্টার তৈরি করুন

কোটলিন

জাভা

3. একটি ছবি প্রক্রিয়া করুন

কোটলিন

জাভা

4. বিষয় বিভাজন ফলাফল পান

ফোরগ্রাউন্ড মাস্ক এবং বিটম্যাপ পুনরুদ্ধার করুন

কোটলিন

জাভা

কোটলিন

জাভা

প্রতিটি বিষয়ের জন্য মুখোশ এবং বিটম্যাপ পুনরুদ্ধার করুন

কোটলিন

জাভা

কোটলিন

জাভা

কর্মক্ষমতা উন্নত করার টিপস

একটি `media.Image` ব্যবহার করে. ইমেজ

একটি `ByteBuffer` বা `ByteArray` ব্যবহার করে

একটি `Bitmap` ব্যবহার করে