İçerik

• Google’ın Makine Öğrenme Kiti’yle tanışın
• ML Kit API'lerini nasıl kullanırım?
• Herhangi bir resimdeki metni Metin Tanıma API'sı ile tanımlayın
• Bir resmin içeriğini anlama: Resim Etiketleme API'si
• İfadeleri anlama ve yüzleri izleme: Yüz Algılama API'si
• Firebase ve ML ile Barkod Tarama
• Bulutta Makine Öğrenimi: Landmark Tanıma API'si
• Dil Kimliği API: Uluslararası bir izleyici kitlesi için geliştirme
• Çok Yakında: Akıllı Cevap
• Sıradaki ne? TensorFlow Lite'ı ML Kit ile Kullanma
• Sarma

Makine öğrenmesi (ML), mobil kullanıcılarınız için yenilikçi, çekici ve benzersiz deneyimler oluşturmanıza yardımcı olabilir.

ML'ye hakim olduktan sonra, fotoğraflarını konularına göre otomatik olarak düzenleyen uygulamalar, bir insanın yüzünü canlı yayın boyunca tanımlayıp izleyen, görüntüden metin çıkaran ve çok daha fazlasını içeren çok çeşitli uygulamalar oluşturmak için kullanabilirsiniz. .

Fakat ML tam anlamıyla acemi dostu değil! Android uygulamalarınızı güçlü makine öğrenme yetenekleriyle geliştirmek istiyorsanız, tam olarak nereden başlıyorsunuz?

Bu makalede, ML’nizin gücünü parmaklarınızın ucuna getirmeyi vaat eden bir SDK’ya (Yazılım Geliştirme Kiti) genel bir bakış sunacağım. sıfır ML deneyimi. Bu makalenin sonunda, resimleri etiketleme, barkod tarama, yüzleri ve ünlü yer işaretlerini tanıma ve diğer birçok güçlü ML görevini gerçekleştirme yeteneğine sahip akıllı, ML destekli uygulamalar oluşturmaya başlamanız için gereken temele sahip olacaksınız.

Google’ın Makine Öğrenme Kiti’yle tanışın

TensorFlow ve CloudVision gibi teknolojilerin piyasaya sürülmesiyle, ML daha yaygın bir şekilde kullanılıyor, ancak bu teknolojiler kalbin zayıfları için değil! Genelde sinir ağlarını ve veri analizini derinlemesine anlamanız gerekir. başladı TensorFlow gibi bir teknolojiyle.

Sen bile yap ML ile biraz deneyime sahip, bir makine öğrenme destekli mobil uygulama oluşturmak, kendi ML modellerinizi eğitmek için yeterli veri kaynağı oluşturmanızı ve ardından bu ML modellerini verimli bir şekilde çalışacak şekilde optimize etmenizi gerektiren zaman alıcı, karmaşık ve pahalı bir işlem olabilir. mobil ortam Bireysel geliştiriciyseniz veya sınırlı kaynaklar varsa, ML bilginizi uygulamaya koymak mümkün olmayabilir.

ML Kit, Google’ın makine öğrenmesini kitlelere ulaştırma girişimidir.

Başlık altında, ML Kit, Cloud Vision, TensorFlow ve Android Sinir Ağları API'sı dahil olmak üzere, genellikle kapsamlı ML bilgisi gerektiren birçok güçlü ML teknolojisini bir araya getiriyor. ML Kit, bu uzman ML teknolojilerini, bir görüntüden metin çıkarmak, bir barkod taramak ve bir fotoğrafın içeriğini tanımlamak dahil, yaygın mobil kullanımlar için önceden eğitilmiş modellerle birleştirir.

Daha önce ML bilgisine sahip olup olmadığınızdan bağımsız olarak, Androidinize güçlü makine öğrenme yetenekleri eklemek için ML Kit'i kullanabilirsiniz. ve iOS uygulamaları - bazı verileri ML Kit'in Metin Tanıma veya Dil Tanımlama API'si gibi doğru kısmına aktarır ve bu API bir yanıt döndürmek için makine öğrenmesini kullanır.

ML Kit API'lerini nasıl kullanırım?

ML Kit, Firebase platformunun bir parçası olarak dağıtılan birkaç API'ye bölünmüştür. ML Kit API'lerinden herhangi birini kullanmak için, Android Studio projenizle ilgili bir Firebase projesi arasında bir bağlantı oluşturmanız ve ardından Firebase ile iletişim kurmanız gerekir.

ML Kit modellerinin çoğu, yerel olarak indirebileceğiniz ve kullanabileceğiniz cihaz içi modeller olarak mevcuttur, ancak bazı modeller de uygulamanızın cihazın internet bağlantısı üzerinden ML destekli görevleri gerçekleştirmesine olanak sağlayan bulutta bulunur.

Her yaklaşımın kendine özgü güçlü ve zayıf yönleri vardır, bu nedenle yerel veya uzaktan işlemenin özel uygulamanız için en anlamlı olup olmadığına karar vermeniz gerekir. Her iki model için de destek ekleyebilir ve ardından kullanıcılarınızın çalışma zamanında hangi modeli kullanacaklarına karar vermesine izin verebilirsiniz. Alternatif olarak, uygulamanızı mevcut koşullar için en iyi modeli seçecek şekilde yapılandırabilirsiniz, örneğin cihaz Wi-Fi'ye bağlıyken yalnızca bulut tabanlı modeli kullanarak.

Yerel modeli tercih ederseniz, kullanıcının aktif bir İnternet bağlantısına sahip olup olmamasına bakılmaksızın, uygulamanızın makine öğrenme özellikleri her zaman kullanılabilir olacaktır. Tüm çalışmalar yerel olarak gerçekleştirildiğinden, cihazınızdaki modeller uygulamanızın hızlı bir şekilde büyük miktarda veriyi işlemesi gerektiğinde, örneğin canlı bir video akışını işlemek için ML Kit kullanıyorsanız idealdir.

Bu arada, bulut tabanlı modeller, bulut modelleri Google Cloud Platform’un makine öğrenmesi teknolojisinin gücünden yararlandığından, genellikle cihazdaki emsallerinden daha fazla doğruluk sağlar. Örneğin, Resim Etiketleme API’sinin cihaz üstü modeli 400 etiket içeriyor, ancak bulut modeli 10.000 etiket.

API'ye bağlı olarak, yalnızca bulutta kullanılabilen bazı işlevler de olabilir; örneğin, Metin Tanıma API'sı, yalnızca bulut tabanlı modelini kullanıyorsanız Latin olmayan karakterleri tanımlayabilir.

Bulut tabanlı API'ler yalnızca Blaze düzeyinde Firebase projeleri için kullanılabilir; bu nedenle, ML Kit’in herhangi bir bulut modelini kullanmadan önce, kullandıkça öde Blaze planına yükseltmeniz gerekir.

Bulut modellerini keşfetmeye karar verirseniz, yazarken, tüm ML Kit API'leri için ücretsiz bir kota mevcuttu. Bulut tabanlı Görüntü Etiketleme ile deneme yapmak istiyorsanız, Firebase projenizi Blaze planına yükseltebilir, API'yi 1000'den az resim üzerinde test edebilir ve ücretsiz Spark planına geri dönebilirsiniz. Bununla birlikte, şartlar ve koşullar zaman içinde büyük bir değişiklik yapma alışkanlığına sahiptir, bu yüzden Blaze'ye yükseltmeden önce küçük yazıları okuduğunuzdan emin olun, yalnızca beklenmedik faturalara maruz kalmadığınızdan emin olun!

Herhangi bir resimdeki metni Metin Tanıma API'sı ile tanımlayın

Metin Tanıma API'sı metni akıllıca tanımlayabilir, analiz edebilir ve işleyebilir.

Bir görüntüden metin çıkaran uygulamalar oluşturmak için bu API'yi kullanabilirsiniz, böylece kullanıcılarınızın sıkıcı manuel veri girişi için zaman harcamak zorunda kalmazsınız. Örneğin, kullanıcılarınızın makbuzlardan, faturalardan, kartvizitlerden ve hatta beslenme etiketlerinden bilgileri yalnızca söz konusu ürünün fotoğrafını çekerek almalarına ve kaydetmelerine yardımcı olmak için Metin Tanıma API'sini kullanabilirsiniz.

Metin Tanıma API'sını, kullanıcının tanımadığı bir metnin bir fotoğrafını çektiği ve bir çeviri hizmetine aktarılmaya hazır olan görüntüdeki tüm metni çıkardığı bir çeviri uygulamasında ilk adım olarak bile kullanabilirsiniz.

ML Kit’in cihazdaki Metin Tanıma API'sı metni Latin dilindeki herhangi bir dilde tanımlayabilir, bulut tabanlı meslektaşı ise Çince, Japonca ve Korece karakterler dahil olmak üzere çok çeşitli dilleri ve karakterleri tanıyabilir. Bulut tabanlı model ayrıca, uygulamanızda hangi modelin kullanılacağına karar verirken göz önünde bulundurmanız gereken yoğun paketli belgelerdeki resimlerden ve metinden seyrek metin çıkarmak için de optimize edilmiştir.

Bu API ile uygulamalı deneyim edinmek ister misiniz? Ardından, Metin Tanıma API'sini kullanarak herhangi bir görüntüden metni ayıklayabilecek bir uygulama oluşturmak için adım adım kılavuzumuzu inceleyin.

Bir resmin içeriğini anlama: Resim Etiketleme API'si

Resim Etiketleme API'si, herhangi bir ek bağlamsal meta veriye gerek olmadan konumlar, insanlar, ürünler ve hayvanlar dahil bir resimdeki varlıkları tanıyabilir. Resim Etiketleme API'sı, tespit edilen varlıklar hakkındaki bilgileri etiket biçiminde döndürür. Örneğin, aşağıdaki ekran görüntüsünde, API’ya bir doğa fotoğrafı sundum ve buna “Orman” ve “Nehir” gibi etiketlerle yanıt verdim.

Bir resmin içeriğini tanıma özelliği, konularına göre fotoğrafları etiketleyen uygulamalar oluşturmanıza yardımcı olabilir; uygunsuz kullanıcı tarafından gönderilen içeriği otomatik olarak tanımlayan ve uygulamanızdan kaldıran filtreler; veya gelişmiş arama işlevselliğinin temeli olarak.

ML Kit API'lerinin çoğu, Image Labeling API'si de dahil olmak üzere beraberinde getirilen güven puanlarıyla birlikte birden fazla olası sonuç döndürür. Bir fino köpeğinin bir fotoğrafını Görüntü Etiketlemeyi geçerseniz, o zaman API'nin her etikete olan güvenini gösteren değişken puanlara sahip “fino köpeği”, “köpek”, “evcil hayvan” ve “küçük hayvan” gibi etiketler döndürülebilir. Umarım, bu senaryoda “kaniş” en yüksek güven puanına sahip olacaktır!

Bu güven puanını, uygulamanız belirli bir etiket üzerinde işlem yapmadan önce, örneğin kullanıcıya göstermesi veya bir fotoğrafı bu etiketle etiketlemeden önce karşılanması gereken bir eşik oluşturmak için kullanabilirsiniz.

Resim etiketi hem cihazda hem de bulutta mevcuttur, ancak bulut modelini seçerseniz, cihazdaki modelde bulunan 400 etikete kıyasla 10.000'den fazla etikete erişebilirsiniz.

Görsel Etiketleme API'sine daha ayrıntılı bir göz atmak için, Resmin makine öğrenmeyle ilgili içeriğini belirleme bölümüne bakın. Bu makalede, bir görüntüyü işleyen bir uygulama oluşturduk ve sonra o görüntüde algılanan her varlık için etiketleri ve güven puanlarını döndürdük. Ayrıca bu uygulamada cihaz ve bulut modellerini de uyguluyoruz, böylece hangi modeli seçtiğinize bağlı olarak sonuçların tam olarak nasıl değiştiğini görebilirsiniz.

İfadeleri anlama ve yüzleri izleme: Yüz Algılama API'si

Yüz Algılama API'si fotoğraflarda, videolarda ve canlı akışlarda insan yüzlerini bulabilir ve ardından konumu, boyutu ve yönü dahil olmak üzere algılanan her yüzle ilgili bilgileri ayıklar.

Bu API'yi kullanıcıların fotoğraflarını düzenlemelerine yardımcı olmak için kullanabilirsiniz, örneğin en son headshot'larının etrafındaki tüm boş alanları otomatik olarak kırparak.

Yüz Algılama API’sı resimlerle sınırlı değildir - bu API’yi videolara da uygulayabilirsiniz, örneğin bir video beslemesindeki tüm yüzleri tanımlayan ve ardından her şeyi bulanıklaştıran bir uygulama oluşturabilirsiniz dışında Bu yüzler, Skype’ın arka plan bulanıklığı özelliğine benzer.

Yüz algılama her zaman Yüz Tespiti, ML Kit’in API’lerinin çoğunun aksine, gerçek zamanlı olarak kullanılabilecek kadar hızlı olduğu cihazda gerçekleştirildi. değil bir bulut modelini içerir.

Yüzleri tespit etmeye ek olarak, bu API araştırmaya değer birkaç ek özelliğe sahiptir. İlk olarak, Yüz Algılama API'sı gözler, dudaklar ve kulaklar gibi yüz işaretlerini tanımlayabilir ve ardından bu işaretlerin her biri için tam koordinatları alır. Bu dönüm noktası tanıma algılanan her yüzün doğru bir haritasını çıkarır - kullanıcının kamera beslemesine Snapchat tarzı maskeler ve filtreler ekleyen artırılmış gerçeklik (AR) uygulamaları oluşturmak için mükemmeldir.

Yüz Algılama API'si yüz bakımı da sunar sınıflandırma. Şu anda, ML Kit iki yüz sınıflamasını desteklemektedir: gözler açık ve gülümseyerek.

Bu sınıflandırmayı, eller serbest kontrolleri gibi erişilebilirlik servislerinin temeli olarak veya oynatıcının yüz ifadesine cevap veren oyunlar oluşturmak için kullanabilirsiniz. Birinin gülümsemesini veya gözlerinin açık olup olmadığını belirleme yeteneği, bir kamera uygulaması oluştururken de kullanışlı olabilir - sonuçta, birkaç kişinin fotoğraflarını çekmekten daha kötü bir şey yoktur, ancak daha sonra birinin gözlerinin kapalı olduğunu keşfetmek için içinde her atışta.

Son olarak, Yüz Algılama API'si bir yüze bir kimlik atayan ve daha sonra art arda birden fazla görüntü veya video karesinde yüzleri izleyen bir yüz izleme bileşeni içerir. Bunun yüz olduğuna dikkat edin. izleme ve gerçek yüz değil tanıma. Sahnelerin arkasında, Yüz Algılama API'si yüzün konumunu ve hareketini izliyor ve ardından bu yüzün muhtemelen aynı kişiye ait olduğu sonucuna varıyor, ancak sonuçta kişinin kimliğinden habersiz.

Yüz Algılama API'sını kendiniz deneyin! Makine öğrenmesi ve Firebase ML Kit ile yüz algılayan bir uygulamanın nasıl oluşturulduğunu öğrenin.

Firebase ve ML ile Barkod Tarama

Barkod Tarama, diğer makine öğrenme API'lerinin bazıları kadar heyecan verici gelmeyebilir, ancak ML Kit'in en erişilebilir bölümlerinden biridir.

Bir barkod taramak herhangi bir özel donanım veya yazılım gerektirmez, bu nedenle uygulamanızın eski veya bütçeli cihazlardaki kullanıcılar da dahil olmak üzere mümkün olduğu kadar çok kişi tarafından erişilebilir kalmasını sağlarken Barkod Tarama API'sini kullanabilirsiniz. Bir cihazda çalışan bir kamera olduğu sürece, barkod taramada herhangi bir problemi olmamalıdır.

ML Kit'in Barkod Tarama API'si, basılı ve dijital barkodlardan geniş bir bilgi yelpazesi çıkarabilir; bu sayede, kullanıcıların hiçbir sıkıcı manuel veri girişi yapmasına gerek kalmadan gerçek dünyadan uygulamanıza bilgi aktarmanın hızlı, kolay ve erişilebilir bir yolunu oluşturur. .

Barkod Tarama API'sinin bir barkoddan tanıdığı ve ayrıştırdığı dokuz farklı veri türü vardır:

• TYPE_CALENDAR_EVENT. Bu, etkinliğin yeri, düzenleyicisi ve başlangıç ​​ve bitiş zamanı gibi bilgiler içerir.Bir etkinliği tanıtıyorsanız, posterlerinize veya broşürlerinize basılı bir barkod ekleyebilir veya web sitenize dijital bir barkod ekleyebilirsiniz. Potansiyel katılımcılar, yalnızca barkodlarını tarayarak, etkinliğinizle ilgili tüm bilgileri çıkarabilir.
• TYPE_CONTACT_INFO. Bu veri türü, kişinin e-posta adresi, adı, telefon numarası ve unvanı gibi bilgileri kapsar.
• TYPE_DRIVER_LICENSE. Bu, ehliyetle ilişkili cadde, şehir, eyalet, isim ve doğum tarihi gibi bilgileri içerir.
• TYPE_EMAIL. Bu veri türü bir e-posta adresi, e-postanın konu satırı ve gövde metnini içerir.
• TYPE_GEO. Bu, belirli bir coğrafi nokta için enlem ve boylamı içerir; bu, kullanıcılarınızla bir konum paylaşmanın veya konumlarını başkalarıyla paylaşmanın kolay bir yoludur. Potansiyel olarak coğrafi barkodları kullanarak, kullanıcının geçerli konumuyla ilgili bazı yararlı bilgileri görüntülemek veya konum tabanlı mobil oyunların temeli olarak konum tabanlı olayları tetiklemek için kullanabilirsiniz.
• TYPE_PHONE. Bu, telefon numarasını ve numaranın türünü içerir; örneğin, ister iş isterse ev telefonu.
• TYPE_SMS. Bu, bazı SMS gövdeli metinleri ve SMS ile ilişkili telefon numaralarını içerir.
• TYPE_URL. Bu veri türü bir URL ve URL’nin başlığını içerir. Bir TYPE_URL barkodu taramak, kullanıcılarınıza yazım hatası yapmadan veya yazım hatası yapmadan uzun, karmaşık bir URL'yi manuel olarak yazmanıza güvenmekten çok daha kolaydır.
• TYPE_WIFI. Bu, bir Wi-Fi ağının SSID'sini ve şifresini ve ayrıca OPEN, WEP veya WPA gibi şifreleme türlerini içerir. Wi-Fi barkodu, Wi-Fi kimlik bilgilerini paylaşmanın en kolay yollarından biridir ve aynı zamanda kullanıcılarınızın bu bilgileri yanlış girme riskini tamamen ortadan kaldırır.

Barkod Tarama API'si, Codabar, Kod 39, EAN-8, ITF ve UPC-A gibi doğrusal biçimler ve Aztek, Veri Matrisi ve QR Kodları gibi 2D biçimler de dahil olmak üzere bir dizi farklı barkoddan verileri ayrıştırır.

Son kullanıcılarınız için işleri kolaylaştırmak için bu API, desteklenen tüm barkodları eşzamanlı olarak tarar ve aynı zamanda barkodun yönüne bakılmaksızın verileri çıkarabilir - bu nedenle, kullanıcı taradığında barkodun tamamen ters olması önemli değildir!

Bulutta Makine Öğrenimi: Landmark Tanıma API'si

Bir görüntüdeki iyi bilinen doğal ve oluşturulmuş yer işaretlerini tanımlamak için ML Kit’in Landmark Tanıma API’sini kullanabilirsiniz.

Bu API’yi ünlü bir dönüm noktası içeren bir resmi iletirseniz, o dönüm noktasının adını, dönüm noktasının enlem ve boylam değerlerini ve yer işaretinin görüntünün neresinde bulunduğunu belirten bir sınırlama kutusu döndürür.

Landmark Tanıma API'sını, kullanıcının fotoğraflarını otomatik olarak etiketleyen uygulamalar oluşturmak için veya daha özel bir deneyim sağlamak için, örneğin uygulamanız bir kullanıcının Eyfel Kulesi'nin fotoğraflarını çektiğini algılarsa, o zaman bazı ilginç gerçekler sunabilir. Bu dönüm noktası veya kullanıcının daha sonra ziyaret etmek isteyebileceği yakınlardaki benzer turistik mekanları önerebilir.

Normalde ML Kit için, Landmark Detection API yalnızca bulut tabanlı bir API olarak kullanılabilir, bu nedenle uygulamanız yalnızca cihaz etkin bir İnternet bağlantısına sahip olduğunda yer işareti tespitini gerçekleştirebilir.

Dil Kimliği API: Uluslararası bir izleyici kitlesi için geliştirme

Bugün, Android uygulamaları dünyanın her yerinde, birçok farklı dil konuşan kullanıcılar tarafından kullanılıyor.

ML Kit'in Dil Tanımlama API'si Android uygulamanızın uluslararası bir izleyici kitlesine hitap etmesine yardımcı olabilir, bir dizi metin alarak ve içine yazılan dili belirler. Dil Tanımlama API'si Arapça, Bulgarca için romanlanmış metin de dahil olmak üzere yüzlerce farklı dili tanımlayabilir. Çince, Yunanca, Hintçe, Japonca ve Rusça.

Bu API, kullanıcı tarafından sağlanan metni işleyen herhangi bir uygulamaya değerli bir ek olabilir, çünkü bu metin nadiren herhangi bir dil bilgisini içerir. Tercüme için ilk adım olarak, Dil Tanımlama API'sını çeviri uygulamalarında da kullanabilirsiniz. her şey, hangi dilde çalıştığınızı biliyor! Örneğin, kullanıcı cihazının kamerasını bir menüye yönlendirirse, uygulamanız menünün Fransızca olarak yazıldığını belirlemek için Dil Tanımlama API'sini kullanabilir ve ardından bu menüyü Bulut Çeviri API'si gibi bir servis kullanarak çevirmeyi önerebilir ( belki de metni çıkardıktan sonra, Metin Tanıma API'sini kullanarak?)

Söz konusu dizgeye bağlı olarak, Dil Kimliği API'si, hangi tespit edilen dilin daha doğru olduğunu belirleyebilmeniz için güven puanlarıyla birlikte birden fazla potansiyel dil döndürebilir. ML Kit yazarken aynı dize içinde birden fazla farklı dili tanımlayamadığını unutmayın.

Bu API'nin gerçek zamanlı olarak dil kimliği sağlamasını sağlamak için, Dil Kimliği API'si yalnızca cihaz içi bir model olarak kullanılabilir.

Çok Yakında: Akıllı Cevap

Google gelecekte ML Kit’e daha fazla API eklemeyi planlıyor, ancak zaten bir tane yaklaşmakta olan API hakkında bilgimiz var.

ML Kit web sitesine göre, gelecek Akıllı Yanıt API'si Geçerli içeriğe uygun metin parçacıkları önererek uygulamalarınızda içeriğe dayalı mesajlaşma yanıtları sunmanıza olanak tanır. Bu API hakkında zaten bildiklerimize dayanarak, Akıllı Yanıt'ın Android uygulamasında, Wear OS'de ve Gmail'de zaten mevcut olan önerilen yanıt özelliğine benzeyeceği anlaşılıyor.

Aşağıdaki ekran görüntüsü, önerilen yanıt özelliğinin şu anda Gmail’de nasıl göründüğünü göstermektedir.

Sıradaki ne? TensorFlow Lite'ı ML Kit ile Kullanma

ML Kit, yaygın mobil kullanım durumları için önceden oluşturulmuş modeller sunar, ancak bir noktada bu hazır modellerin ötesine geçmek isteyebilirsiniz.

TensorFlow Lite kullanarak kendi ML modellerinizi oluşturmak ve bunları ML Kit kullanarak dağıtmak mümkündür. Ancak, ML Kit’in hazır API’lerinden farklı olarak, kendi ML modellerinizle çalışmanızın önemli ML uzmanlığı miktarı.

TensorFlow Lite modellerinizi oluşturduktan sonra, onları Firebase'e yükleyebilirsiniz ve Google bu modelleri son kullanıcılarınıza barındırmayı ve sunmayı yönetecektir. Bu senaryoda, ML Kit özel modelinizin kullanımına dahil olan ağır kaldırma işlemlerini basitleştiren özel modeliniz üzerinde bir API katmanı olarak işlev görür. En önemlisi, ML Kit modelinizin en son sürümünü kullanıcılarınıza otomatik olarak gönderir, böylece modelinizi her değiştirmek istediğinizde uygulamanızı güncellemeniz gerekmez.

Mümkün olan en iyi kullanıcı deneyimini sağlamak için, uygulamanız TensorFlow Lite modelinizin yeni sürümlerini indirmeden önce, örneğin yalnızca cihaz boştayken, şarj olurken veya Wi-Fi’ye bağlıyken modeli güncellemeden önce yerine getirilmesi gereken şartları belirleyebilirsiniz. Fi. ML Kit ve TensorFlow Lite'ı diğer Firebase servislerinin yanı sıra, örneğin farklı kullanıcı gruplarına farklı modeller sunmak için Firebase Remote Config ve Firebase A / B Testi kullanarak da kullanabilirsiniz.

Önceden oluşturulmuş modellerin ötesine geçmek istiyorsanız veya ML Kit’in mevcut modelleri ihtiyaçlarınızı tam olarak karşılamıyorsa, resmi Firebase belgelerinde, kendi makine öğrenme modellerinizi oluşturma hakkında daha fazla bilgi edinebilirsiniz.

Sarma

Bu makalede, Google’ın makine öğrenim kitinin her bir bileşenine baktık ve ML Kit API'lerinin her birini kullanmak isteyebileceğiniz ortak senaryoları ele aldık.

Google gelecekte daha fazla API eklemeyi planlıyor, bu nedenle hangi makine öğrenme API'lerinin daha sonra ML Kit'e eklendiğini görmek istersiniz? Aşağıdaki yorumlarda bize bildirin!