Nhận dạng mực kỹ thuật số bằng Bộ công cụ học máy trên Android

Với tính năng nhận dạng mực kỹ thuật số của Bộ công cụ học máy, bạn có thể nhận dạng văn bản viết tay trên một bề mặt kỹ thuật số bằng hàng trăm ngôn ngữ, cũng như phân loại các bản phác thảo.

API này hỗ trợ tải mô hình động xuống theo yêu cầu. Hãy xem hướng dẫn này để biết thêm thông tin.

Dùng thử

• Hãy khám phá ứng dụng mẫu để xem ví dụ về cách sử dụng API này.

Trước khi bắt đầu

API này yêu cầu API Android cấp 21 trở lên. Đảm bảo tệp bản dựng của ứng dụng sử dụng giá trị minSdkVersion từ 21 trở lên.

1. Trong tệp build.gradle cấp dự án, hãy nhớ đưa kho lưu trữ Maven của Google vào cả hai phần buildscript và allprojects.
2. Thêm các phần phụ thuộc cho thư viện Android của Bộ công cụ học máy vào tệp Gradle cấp ứng dụng của mô-đun, thường là app/build.gradle:

dependencies {
  // ...
  implementation 'com.google.mlkit:digital-ink-recognition:18.1.0'
}

Giờ đây, bạn đã sẵn sàng bắt đầu nhận dạng văn bản trong các đối tượng Ink.

Tạo một đối tượng Ink

Cách chính để tạo đối tượng Ink là vẽ đối tượng đó trên màn hình cảm ứng. Trên Android, bạn có thể sử dụng Canvas cho mục đích này. Trình xử lý sự kiện chạm phải gọi phương thức addNewTouchEvent() hiển thị đoạn mã sau đây để lưu trữ các điểm trong nét vẽ mà người dùng vẽ vào đối tượng Ink.

Mẫu chung này được minh hoạ trong đoạn mã sau đây. Hãy xem mẫu hướng dẫn nhanh về Bộ công cụ học máy để biết ví dụ hoàn chỉnh hơn.

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();

Nhận một thực thể của DigitalInkRecognizer

Để thực hiện việc nhận dạng, hãy gửi thực thể Ink đến đối tượng DigitalInkRecognizer. Mã dưới đây cho biết cách tạo thực thể cho một công cụ nhận dạng như vậy từ thẻ BCP-47.

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());

Xử lý một đối tượng Ink

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));

Mã mẫu ở trên giả định rằng mô hình nhận dạng đã được tải xuống, như mô tả trong phần tiếp theo.

Quản lý việc tải mô hình xuống

Mặc dù API nhận dạng mực kỹ thuật số hỗ trợ hàng trăm ngôn ngữ, nhưng mỗi ngôn ngữ lại yêu cầu tải một số dữ liệu xuống trước khi nhận dạng. Cần có khoảng 20 MB dung lượng lưu trữ cho mỗi ngôn ngữ. Việc này do đối tượng RemoteModelManager xử lý.

Tải mô hình mới xuống

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));

Kiểm tra xem mô hình đã được tải xuống chưa

Kotlin

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

Java

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

Xoá mô hình đã tải xuống

Việc xoá một kiểu máy khỏi bộ nhớ của thiết bị sẽ giải phóng dung lượng.

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));

Mẹo cải thiện độ chính xác của tính năng nhận dạng văn bản

Độ chính xác của tính năng nhận dạng văn bản có thể không giống nhau giữa các ngôn ngữ. Độ chính xác cũng phụ thuộc vào phong cách viết. Mặc dù công nghệ Nhận dạng mực kỹ thuật số được huấn luyện để xử lý nhiều loại kiểu viết, nhưng kết quả có thể khác nhau giữa các người dùng.

Sau đây là một số cách để cải thiện độ chính xác của trình nhận dạng văn bản. Xin lưu ý rằng các kỹ thuật này không áp dụng cho các thuật toán phân loại bản vẽ biểu tượng cảm xúc, tự động vẽ và hình dạng.

Vùng viết

Nhiều ứng dụng có khu vực viết được xác định rõ để người dùng nhập hoạt động vào. Ý nghĩa của ký hiệu được xác định một phần bởi kích thước của biểu tượng so với kích thước vùng viết chứa ký hiệu đó. Ví dụ: sự khác biệt giữa chữ cái viết thường hoặc viết hoa "o" hoặc "c" và dấu phẩy so với dấu gạch chéo lên.

Việc cho trình nhận dạng biết chiều rộng và chiều cao của vùng viết có thể giúp cải thiện độ chính xác. Tuy nhiên, trình nhận dạng giả định rằng vùng viết chỉ chứa một dòng văn bản duy nhất. Nếu vùng viết thực tế đủ lớn để cho phép người dùng viết hai hoặc nhiều dòng, bạn có thể nhận được kết quả tốt hơn bằng cách truyền vào ViếtArea với chiều cao là ước tính tốt nhất về chiều cao của một dòng văn bản. Đối tượng ViếtArea mà bạn truyền đến trình nhận dạng không cần phải tương ứng chính xác với vùng ghi thực tế trên màn hình. Việc thay đổi chiều cao ViếtArea theo cách này hoạt động hiệu quả hơn ở một số ngôn ngữ so với các ngôn ngữ khác.

Khi bạn chỉ định vùng viết, hãy chỉ định chiều rộng và chiều cao của vùng đó theo cùng đơn vị với toạ độ nét. Các đối số toạ độ x, y không có yêu cầu về đơn vị – API chuẩn hoá tất cả các đơn vị, vì vậy, điều duy nhất quan trọng là kích thước và vị trí tương đối của nét vẽ. Bạn có thể tuỳ ý truyền toạ độ ở bất kỳ tỷ lệ nào phù hợp với hệ thống của mình.

Trước ngữ cảnh

Ngữ cảnh trước là văn bản đứng ngay trước các nét trong Ink mà bạn đang cố gắng nhận dạng. Bạn có thể giúp trình nhận dạng bằng cách cho biết về ngữ cảnh trước.

Ví dụ: các chữ cái bằng chữ thảo "n" và "u" thường bị nhầm lẫn với nhau. Nếu người dùng đã nhập một phần từ "arg", họ có thể tiếp tục với các nét vẽ có thể được nhận dạng là "ument" hoặc "nment". Việc chỉ định trước ngữ cảnh "arg" sẽ giải quyết không rõ ràng, vì từ "đối số" có nhiều khả năng hơn so với "argnment".

Ngữ cảnh trước cũng có thể giúp trình nhận dạng xác định các dấu ngắt từ, khoảng cách giữa các từ. Bạn có thể nhập một ký tự dấu cách nhưng không thể vẽ, vậy làm cách nào trình nhận dạng có thể xác định thời điểm một từ kết thúc và từ tiếp theo bắt đầu? Nếu người dùng đã viết "xin chào" và tiếp tục với từ "world" đã viết, không có ngữ cảnh trước, thì trình nhận dạng sẽ trả về chuỗi "world". Tuy nhiên, nếu bạn chỉ định ngữ cảnh trước "hello", mô hình sẽ trả về chuỗi "world" với dấu cách ở đầu, vì "helloworld" sẽ có ý nghĩa hơn so với từ "helloword".

Bạn nên cung cấp chuỗi dài nhất có thể trước ngữ cảnh, tối đa 20 ký tự, bao gồm cả dấu cách. Nếu chuỗi dài hơn, trình nhận dạng chỉ sử dụng 20 ký tự cuối cùng.

Mã mẫu dưới đây cho thấy cách xác định vùng viết và sử dụng đối tượng RecognitionContext để chỉ định trước ngữ cảnh.

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);

Thứ tự nét chữ

Độ chính xác của khả năng nhận dạng phụ thuộc vào thứ tự của các nét vẽ. Trình nhận dạng dự kiến các nét vẽ sẽ xảy ra theo thứ tự mà mọi người sẽ viết một cách tự nhiên; ví dụ như từ trái sang phải đối với tiếng Anh. Mọi trường hợp khác với mẫu này (chẳng hạn như viết một câu tiếng Anh bắt đầu bằng từ cuối cùng) sẽ cho kết quả kém chính xác hơn.

Một ví dụ khác là khi một từ ở giữa Ink bị xoá và thay thế bằng một từ khác. Bản sửa đổi có thể nằm ở giữa câu, nhưng các nét cho bản sửa đổi nằm ở cuối trình tự nét. Trong trường hợp này, bạn nên gửi riêng từ mới viết đến API và hợp nhất kết quả với các giá trị nhận dạng trước đó bằng logic của riêng mình.

Xử lý các hình dạng không rõ ràng

Có những trường hợp ý nghĩa của hình dạng được cung cấp cho trình nhận dạng không rõ ràng. Ví dụ: hình chữ nhật có cạnh rất tròn có thể được xem là hình chữ nhật hoặc hình elip.

Những trường hợp không rõ ràng này có thể được xử lý bằng cách sử dụng điểm nhận dạng (nếu có). Chỉ thuật toán phân loại hình dạng mới cung cấp điểm số. Nếu mô hình này rất tự tin, thì điểm của kết quả hàng đầu sẽ cao hơn nhiều so với điểm số cao thứ hai. Nếu không chắc chắn, điểm số cho hai kết quả hàng đầu sẽ gần giống nhau. Ngoài ra, hãy lưu ý rằng các thuật toán phân loại hình dạng diễn giải toàn bộ Ink là một hình dạng duy nhất. Ví dụ: nếu Ink chứa một hình chữ nhật và một hình elip cạnh nhau, thì trình nhận dạng có thể trả về kết quả này (hoặc một đối tượng hoàn toàn khác), vì một đề xuất nhận dạng không thể đại diện cho hai hình dạng.