ML Kit
ML Kit je řešení společnosti Google pro integraci přizpůsobeného strojového učení do mobilních aplikací, které bylo představeno v roce 2018 na konferenci I/O. ML Kit poskytuje vývojářům mobilních aplikací inovace strojového učení společnosti Google přímo v zařízení a pomáhá jim vytvářet přizpůsobené zážitky do jejich aplikací, což zahrnuje nástroje, jako je překlad jazyka, rozpoznávání textu, detekce objektů atd. ML Kit pomáhá identifikovat, analyzovat a chápat vizuální a textová data v reálném čase, a to s ohledem na soukromí uživatele, protože data zůstávají v zařízení. Podle ředitele produktového managementu společnosti Google „činí strojové učení mnohem přístupnějším.“
Vývojáři mohou používat rozhraní API Vision v rámci sady ML Kit for Video a rozhraní API pro analýzu obrazu k označování obrázků a detekci čárových kódů, textu, obličejů a objektů. To lze využít pro vývoj různých pokročilých aplikací a integraci ML, jako je skenování čárových kódů, detekce obličejů, označování obrázků, detekce a sledování objektů. K dispozici jsou také rozhraní API pro zpracování přirozeného jazyka, která umožňují identifikovat a překládat mezi 58 jazyky a poskytovat návrhy odpovědí. Díky tomu dnes funkce sady ML Kit využívá více než 25 000 aplikací na systémech Android a iOS.
Původní verze sady ML Kit byla úzce integrována s Firebase a pro větší flexibilitu při implementaci v aplikacích společnost Google nedávno oznámila, že zpřístupňuje všechna rozhraní API na zařízení v nové samostatné sadě ML Kit SDK, která již nevyžaduje projekt Firebase. Vývojáři tak získají přístup k jedinečným výhodám, které nabízí on-device oproti tomu, co nabízí cloud ML.
Stáhněte si naši mobilní aplikaci
Podle společnosti Google, pokud ML Kit zcela neřeší potřeby vývojářů, mohou vývojáři hledat alternativní modely a způsoby, jak trénovat a používat vlastní ML modely v aplikaci pro Android. „Pokud řešení ML na klíč nevyhovují vašim potřebám, TensorFlow Hub by měl být vaším prvním voláním. Jedná se o úložiště ML modelů od společnosti Google a širší výzkumné komunity. Modely na webu jsou připraveny k použití v cloudu, ve webovém prohlížeči nebo v aplikaci v zařízení,“ uvádí Google
Co dalšího je nového?
Kromě klíčových modelů vidění, jako jsou MobileNet a EfficientNet, se úložiště může pochlubit také modely založenými na nejnovějším výzkumu, jako je klasifikace vín pro 400 000 populárních vín, klasifikace produktů v amerických supermarketech pro 100 000 produktů, rozpoznávání orientačních bodů na základě jednotlivých kontinentů, model CropNet od společnosti Brain Accra pro rozpoznávání onemocnění listů manioku, rozpoznávání chorob rostlin od společnosti AgriPredict, který detekuje choroby u kukuřice a rajčat.
Kromě toho mohou vývojáři díky rozsáhlému úložišti základních modelů trénovat i své vlastní modely. Pro mnoho běžných případů použití jsou k dispozici nástroje vhodné pro vývojáře. Kromě nástroje Firebase AutoML Vision Edge tým TensorFlow na začátku letošního roku uvedl na trh nástroj TensorFlow Lite Model Maker, který vývojářům poskytuje více možností volby základního modelu podporujícího více případů použití. TensorFlow Lite Model Maker v současné době podporuje dvě běžné úlohy ML, kterými jsou klasifikace textu a obrázků.
TensorFlow Lite Model Maker může běžet na vlastním vývojářském stroji nebo na online noteboocích strojového učení Google Colab. Do budoucna tým pro Android plánuje vylepšovat stávající nabídku a přidávat nové případy použití.
Pokud si vývojáři vyberou model nebo natrénují svůj model, jsou k dispozici nové snadno použitelné nástroje, které jim pomohou integrovat je do jejich aplikace pro Android, aniž by museli vše převádět do ByteArrays, s ML Model binding s Android Studio 4.1. Vývojáři tak mohou importovat libovolný model TFLite, přečíst vstupní/výstupní signaturu modelu a používat jej pomocí několika řádků kódu, které volají open-source knihovnu TensorFlow Lite Android Support Library.
Přihlaste se k odběru novinek
Získejte nejnovější aktualizace a relevantní nabídky sdílením svého e-mailu.