在 Android 应用中利用机器学习套件识别数字手写内容

借助机器学习套件的数字手写识别功能,您可以识别数字平面上数百种语言的手写文本,还可以对草图进行分类。

试试看

准备工作

  1. 请务必在您的项目级 build.gradle 文件中的 buildscriptallprojects 部分添加 Google 的 Maven 制品库。
  2. 将 Android 版机器学习套件库的依赖项添加到模块的应用级 Gradle 文件(通常为 app/build.gradle):
dependencies {
  // ...
  implementation 'com.google.mlkit:digital-ink-recognition:18.1.0'
}

现在,您可以开始识别 Ink 对象中的文本了。

构建 Ink 对象

构建 Ink 对象的主要方式是在触摸屏上绘制该对象。在 Android 上,您可以使用画布来实现此目的。您的触摸事件处理脚本应调用以下代码段中所示的 addNewTouchEvent() 方法,以存储用户绘制到 Ink 对象的笔画中的点。

以下代码段演示了这种通用模式。如需查看更完整的示例,请参阅机器学习套件快速入门示例

Kotlin

var inkBuilder = Ink.builder()
lateinit var strokeBuilder: Ink.Stroke.Builder

// Call this each time there is a new event.
fun addNewTouchEvent(event: MotionEvent) {
  val action = event.actionMasked
  val x = event.x
  val y = event.y
  var t = System.currentTimeMillis()

  // If your setup does not provide timing information, you can omit the
  // third paramater (t) in the calls to Ink.Point.create
  when (action) {
    MotionEvent.ACTION_DOWN -> {
      strokeBuilder = Ink.Stroke.builder()
      strokeBuilder.addPoint(Ink.Point.create(x, y, t))
    }
    MotionEvent.ACTION_MOVE -> strokeBuilder!!.addPoint(Ink.Point.create(x, y, t))
    MotionEvent.ACTION_UP -> {
      strokeBuilder.addPoint(Ink.Point.create(x, y, t))
      inkBuilder.addStroke(strokeBuilder.build())
    }
    else -> {
      // Action not relevant for ink construction
    }
  }
}

...

// This is what to send to the recognizer.
val ink = inkBuilder.build()

Java

Ink.Builder inkBuilder = Ink.builder();
Ink.Stroke.Builder strokeBuilder;

// Call this each time there is a new event.
public void addNewTouchEvent(MotionEvent event) {
  float x = event.getX();
  float y = event.getY();
  long t = System.currentTimeMillis();

  // If your setup does not provide timing information, you can omit the
  // third paramater (t) in the calls to Ink.Point.create
  int action = event.getActionMasked();
  switch (action) {
    case MotionEvent.ACTION_DOWN:
      strokeBuilder = Ink.Stroke.builder();
      strokeBuilder.addPoint(Ink.Point.create(x, y, t));
      break;
    case MotionEvent.ACTION_MOVE:
      strokeBuilder.addPoint(Ink.Point.create(x, y, t));
      break;
    case MotionEvent.ACTION_UP:
      strokeBuilder.addPoint(Ink.Point.create(x, y, t));
      inkBuilder.addStroke(strokeBuilder.build());
      strokeBuilder = null;
      break;
  }
}

...

// This is what to send to the recognizer.
Ink ink = inkBuilder.build();

获取 DigitalInkRecognizer 的实例

如需执行识别,请将 Ink 实例发送到 DigitalInkRecognizer 对象。以下代码展示了如何从 BCP-47 标记实例化此类识别器。

Kotlin

// Specify the recognition model for a language
var modelIdentifier: DigitalInkRecognitionModelIdentifier
try {
  modelIdentifier = DigitalInkRecognitionModelIdentifier.fromLanguageTag("en-US")
} catch (e: MlKitException) {
  // language tag failed to parse, handle error.
}
if (modelIdentifier == null) {
  // no model was found, handle error.
}
var model: DigitalInkRecognitionModel =
    DigitalInkRecognitionModel.builder(modelIdentifier).build()


// Get a recognizer for the language
var recognizer: DigitalInkRecognizer =
    DigitalInkRecognition.getClient(
        DigitalInkRecognizerOptions.builder(model).build())

Java

// Specify the recognition model for a language
DigitalInkRecognitionModelIdentifier modelIdentifier;
try {
  modelIdentifier =
    DigitalInkRecognitionModelIdentifier.fromLanguageTag("en-US");
} catch (MlKitException e) {
  // language tag failed to parse, handle error.
}
if (modelIdentifier == null) {
  // no model was found, handle error.
}

DigitalInkRecognitionModel model =
    DigitalInkRecognitionModel.builder(modelIdentifier).build();

// Get a recognizer for the language
DigitalInkRecognizer recognizer =
    DigitalInkRecognition.getClient(
        DigitalInkRecognizerOptions.builder(model).build());

处理 Ink 对象

Kotlin

recognizer.recognize(ink)
    .addOnSuccessListener { result: RecognitionResult ->
      // `result` contains the recognizer's answers as a RecognitionResult.
      // Logs the text from the top candidate.
      Log.i(TAG, result.candidates[0].text)
    }
    .addOnFailureListener { e: Exception ->
      Log.e(TAG, "Error during recognition: $e")
    }

Java

recognizer.recognize(ink)
    .addOnSuccessListener(
        // `result` contains the recognizer's answers as a RecognitionResult.
        // Logs the text from the top candidate.
        result -> Log.i(TAG, result.getCandidates().get(0).getText()))
    .addOnFailureListener(
        e -> Log.e(TAG, "Error during recognition: " + e));

上面的示例代码假定识别模型已下载,如下一部分所述。

管理模型下载

虽然数字手写识别 API 支持数百种语言,但每种语言都需要先下载一些数据才能识别。每种语言大约需要 20 MB 的存储空间。这由 RemoteModelManager 对象处理。

下载新模型

Kotlin

import com.google.mlkit.common.model.DownloadConditions
import com.google.mlkit.common.model.RemoteModelManager

var model: DigitalInkRecognitionModel =  ...
val remoteModelManager = RemoteModelManager.getInstance()

remoteModelManager.download(model, DownloadConditions.Builder().build())
    .addOnSuccessListener {
      Log.i(TAG, "Model downloaded")
    }
    .addOnFailureListener { e: Exception ->
      Log.e(TAG, "Error while downloading a model: $e")
    }

Java

import com.google.mlkit.common.model.DownloadConditions;
import com.google.mlkit.common.model.RemoteModelManager;

DigitalInkRecognitionModel model = ...;
RemoteModelManager remoteModelManager = RemoteModelManager.getInstance();

remoteModelManager
    .download(model, new DownloadConditions.Builder().build())
    .addOnSuccessListener(aVoid -> Log.i(TAG, "Model downloaded"))
    .addOnFailureListener(
        e -> Log.e(TAG, "Error while downloading a model: " + e));

检查模型是否已下载

Kotlin

var model: DigitalInkRecognitionModel =  ...
remoteModelManager.isModelDownloaded(model)

Java

DigitalInkRecognitionModel model = ...;
remoteModelManager.isModelDownloaded(model);

删除已下载的模型

从设备的存储空间中移除模型可释放空间。

Kotlin

var model: DigitalInkRecognitionModel =  ...
remoteModelManager.deleteDownloadedModel(model)
    .addOnSuccessListener {
      Log.i(TAG, "Model successfully deleted")
    }
    .addOnFailureListener { e: Exception ->
      Log.e(TAG, "Error while deleting a model: $e")
    }

Java

DigitalInkRecognitionModel model = ...;
remoteModelManager.deleteDownloadedModel(model)
                  .addOnSuccessListener(
                      aVoid -> Log.i(TAG, "Model successfully deleted"))
                  .addOnFailureListener(
                      e -> Log.e(TAG, "Error while deleting a model: " + e));

提高文字识别准确性的提示

文本识别的准确度因语言而异。准确性还取决于写作风格。虽然数字手写识别经过训练后可以处理多种书写风格,但结果可能会因用户而异。

下面是提高文本识别器准确性的一些方法。请注意,这些技术不适用于表情符号、autodraw 和形状的绘制分类器。

书写区域

许多应用都有一个明确定义的书写区域,供用户输入。符号的含义部分取决于该符号的大小(相对于包含它的书写区域的大小)。例如,大小写字母“o”或“c”与英文逗号与正斜杠之间的差异。

告知识别器书写区域的宽度和高度可以提高准确性。但是,识别器假定书写区域仅包含单行文本。如果实际书写区域足够大,允许用户撰写两行或多行内容,则通过传入一个高度为单行文本高度的最佳估计值 WriteArea,您可以获得更好的结果。您传递给识别器的 writingArea 对象不一定要与屏幕上的物理书写区域完全一致。以这种方式更改 WriterArea 高度在某些语言中的效果优于其他语言。

指定书写区域时,应以笔画坐标的单位指定其宽度和高度。x,y 坐标参数没有单位要求 - API 会标准化所有单位,因此唯一重要的是描边的相对大小和位置。您可以随意传入对您的系统有意义的任何缩放比例的坐标。

上下文前

上下文前置文本是指紧跟在您尝试识别的 Ink 中的笔画之前的文本。您可以通过向识别器告知预先上下文信息来帮助识别器。

例如,手写体的字母“n”和“u”经常会被混淆。如果用户已经输入了部分单词“arg”,则它们可能会以可被识别为“ument”或“nment”的笔画继续。指定上下文前上下文“arg”可解决歧义,因为单词“argument”更可能出现“argnment”。

预先上下文还有助于识别器识别分词符,即字词之间的空格。您可以输入空格字符,但无法绘制字符,那么识别器如何确定一个单词何时结束以及下一个单词何时开始?如果用户已经写了“hello”,并且以书面单词“world”继续,则没有预先上下文的识别器会返回字符串“world”。但是,如果指定前上下文“hello”,模型将返回字符串“world”,并带有前导空格,因为“hello world”比“helloword”更有意义。

您应提供尽可能最长的上下文前字符串,最多 20 个字符(包括空格)。如果字符串较长,识别器仅使用最后 20 个字符。

以下代码示例展示了如何定义书写区域并使用 RecognitionContext 对象指定预上下文。

Kotlin

var preContext : String = ...;
var width : Float = ...;
var height : Float = ...;
val recognitionContext : RecognitionContext =
    RecognitionContext.builder()
        .setPreContext(preContext)
        .setWritingArea(WritingArea(width, height))
        .build()

recognizer.recognize(ink, recognitionContext)

Java

String preContext = ...;
float width = ...;
float height = ...;
RecognitionContext recognitionContext =
    RecognitionContext.builder()
                      .setPreContext(preContext)
                      .setWritingArea(new WritingArea(width, height))
                      .build();

recognizer.recognize(ink, recognitionContext);

笔画排序

识别的准确度与笔画的顺序密切相关。识别器期望笔画按照用户自然书写的顺序出现;例如,从左到右表示英语。任何不遵循此模式的情况(例如,编写以最后一个单词开头的英语句子)所获得的结果准确性较低。

另一个例子是,Ink 中间的某个单词被移除并替换为另一个单词。修订可能在句子的中间,但修订的笔画位于笔画序列的末尾。在这种情况下,我们建议您将新写入的单词单独发送到 API,并使用您自己的逻辑将结果与之前的识别合并。

处理不明确的形状

在某些情况下,提供给识别器的形状含义不明确。例如,边缘非常圆角的矩形可以看作矩形或椭圆形。

这些不明确的情况可以通过使用识别得分(如果有)来处理。只有形状分类器会提供分数。如果模型的置信度非常高,则最佳结果的得分将远远优于第二名结果。如果存在不确定性,前两个结果的得分将接近。另请注意,形状分类器会将整个 Ink 解释为单个形状。例如,如果 Ink 包含一个矩形和一个相邻的椭圆,则识别器可能会返回其中一个(或完全不同的内容),因为单个识别候选对象不能表示两个形状。