এমএল কিট অটোএমএল ভিশন এজ মাইগ্রেশন গাইড

দ্রষ্টব্য: অটোএমএল ভিশন এজ ইমেজ লেবেলিং API অবচয় করা হয়েছে। কাস্টম মডেল APIs (চিত্র লেবেলিং এবং অবজেক্ট সনাক্তকরণ এবং ট্র্যাকিং) AutoML দ্বারা প্রশিক্ষিত মডেল সমর্থন করে। এই মাইগ্রেশন গাইড ব্যাখ্যা করে যে নতুন কাস্টম মডেল API ব্যবহার করার জন্য একটি বিদ্যমান AutoML ভিশন এজ বাস্তবায়ন কিভাবে স্থানান্তর করা যায়।

আপনি কাস্টম মডেল API-এ একটি AutoML-প্রশিক্ষিত চিত্র শ্রেণীবিভাগ মডেল পাস করতে পারেন। আপনি হয় আপনার অ্যাপের ভিতরে মডেলটিকে বান্ডেল করা চালিয়ে যেতে পারেন বা কাস্টম মডেল হিসাবে Firebase কনসোলে হোস্ট করতে পারেন৷ AutoML ইমেজ লেবেলিং API ML Kit থেকে সরানো হয়েছে যেহেতু এটি সম্পূর্ণরূপে কাস্টম মডেল ইমেজ লেবেলিং API দ্বারা প্রতিস্থাপিত হয়েছে।

API	কি পরিবর্তন হচ্ছে?
অটোএমএল ভিশন এজ ইমেজ লেবেলিং API	এটি সম্পূর্ণরূপে কাস্টম মডেল ইমেজ লেবেলিং API দ্বারা প্রতিস্থাপিত হয়েছে৷ বিদ্যমান AutoML ভিশন এজ ইমেজ লেবেলিং API সরানো হয়েছে।

আপনি যদি বর্তমানে AutoML Vision Edge API ব্যবহার করে একজন ML Kit ব্যবহারকারী হন, তাহলে অনুগ্রহ করে Android এবং iOS-এর জন্য মাইগ্রেশন নির্দেশাবলী অনুসরণ করুন।

সচরাচর জিজ্ঞাস্য

কেন এই পরিবর্তন?

এটি এমএল কিট এপিআই সহজ করতে সাহায্য করে এবং আপনার অ্যাপে এমএল কিট সংহত করা সহজ করে তোলে। এই পরিবর্তনের সাথে, আপনি একটি কাস্টম মডেলের মতো ঠিক একইভাবে একটি AutoML-প্রশিক্ষিত মডেল ব্যবহার করতে পারেন৷ এটি আপনাকে অবজেক্ট ডিটেকশন এবং ট্র্যাকিংয়ের জন্য অটোএমএল-প্রশিক্ষিত মডেলগুলি ব্যবহার করতে সক্ষম করে, ইমেজ লেবেলিং ছাড়াও যা আমরা বর্তমানে সমর্থন করি। অধিকন্তু, কাস্টম মডেল API এর মেটাডেটাতে এমবেড করা লেবেল মানচিত্র সহ উভয় মডেল এবং পৃথক ম্যানিফেস্ট এবং লেবেল ফাইল সহ মডেলগুলিকে সমর্থন করে৷

নতুন SDK-এ স্থানান্তরিত হওয়ার ফলে আমি কী সুবিধা পাব?

• নতুন বৈশিষ্ট্য: ইমেজ লেবেলিং এবং অবজেক্ট ডিটেকশন এবং ট্র্যাকিং উভয়ের জন্য অটোএমএল-প্রশিক্ষিত মডেল ব্যবহার করার ক্ষমতা এবং এর মেটাডেটাতে লেবেল ম্যাপ যুক্ত মডেল ব্যবহার করার ক্ষমতা।

অ্যান্ড্রয়েডের জন্য মাইগ্রেশন গাইড

ধাপ 1: Gradle আমদানি আপডেট করুন

নিম্নলিখিত টেবিল অনুযায়ী আপনার মডিউল (অ্যাপ-লেভেল) গ্রেডল ফাইলে (সাধারণত app/build.gradle ) ML Kit Android লাইব্রেরির জন্য নির্ভরতা আপডেট করুন:

বৈশিষ্ট্য	পুরাতন শিল্পকর্ম	নতুন আর্টিফ্যাক্ট
দূরবর্তী মডেল ডাউনলোড ছাড়াই AutoML লেবেল করা ছবি	com.google.mlkit:image-labeling-automl:16.2.1	com.google.mlkit:image-labeling-custom:16.0.0-beta5
দূরবর্তী মডেল ডাউনলোডিং সহ চিত্র লেবেল AutoML	com.google.mlkit:image-labeling-automl:16.2.1 com.google.mlkit:linkfirebase:16.0.1	com.google.mlkit:image-labeling-custom:16.0.0-beta5 com.google.mlkit:linkfirebase:17.0.0

ধাপ 2: ক্লাসের নাম আপডেট করুন

যদি আপনার ক্লাস এই টেবিলে উপস্থিত হয়, তাহলে নির্দেশিত পরিবর্তন করুন:

পুরাতন ক্লাস	নতুন ক্লাস
com.google.mlkit.vision.label.automl.AutoMLImageLabelerLocalModel	com.google.mlkit.common.model.LocalModel
com.google.mlkit.vision.label.automl.AutoMLImageLabelerRemoteModel	com.google.mlkit.common.model.CustomRemoteModel
com.google.mlkit.vision.label.automl.AutoMLImageLabelerOptions	com.google.mlkit.vision.label.custom.CustomImageLabelerOptions

দ্রষ্টব্য: পূর্বে AutoMLImageLabelerOptions এর সাথে, যদি confidenceThreshold সেট করা না থাকে, তাহলে 0.5 এর একটি ডিফল্ট কনফিডেন্স থ্রেশহোল্ড মান ব্যবহার করা হবে। এখন CustomImageLabelerOptions এর সাথে, যদি confidenceThreshold সেট করা না থাকে, তাহলে এটি মডেল মেটাডেটাতে অন্তর্ভুক্ত কনফিডেন্স থ্রেশহোল্ড মান ব্যবহার করবে, যদি উপলব্ধ থাকে। যদি এটি বিদ্যমান না থাকে তবে পরিবর্তে 0.0 এর একটি মান ব্যবহার করা হবে।

ধাপ 3: পদ্ধতির নাম আপডেট করুন

ন্যূনতম কোড পরিবর্তন আছে:

• LocalModel এখন হয় একটি মডেল ফাইল পাথ দিয়ে আরম্ভ করা যেতে পারে (যদি মডেলটিতে লেবেল মানচিত্র ধারণকারী মেটাডেটা থাকে) অথবা একটি মডেল ম্যানিফেস্ট ফাইল পাথ (যদি ম্যানিফেস্ট, মডেল এবং লেবেলগুলি পৃথক ফাইলে থাকে)।
• আপনি Firebase কনসোলের মাধ্যমে দূরবর্তীভাবে একটি কাস্টম মডেল হোস্ট করতে পারেন এবং FirebaseModelSource দিয়ে একটি CustomRemoteModel শুরু করতে পারেন।

এখানে পুরানো এবং নতুন কোটলিন পদ্ধতির কিছু উদাহরণ রয়েছে:

পুরাতন

val localModel = AutoMLImageLabelerLocalModel.Builder()
    .setAssetFilePath("automl/manifest.json")
    // or .setAbsoluteFilePath(absolute file path to manifest file)
    .build()

val optionsWithLocalModel = AutoMLImageLabelerOptions.Builder(localModel)
    .setConfidenceThreshold(0.5f)
    .build()

val remoteModel = AutoMLImageLabelerRemoteModel.Builder("automl_remote_model")
    .build()

val optionsWithRemoteModel = AutoMLImageLabelerOptions.Builder(remoteModel)
    .build()

নতুন

val localModel = LocalModel.Builder()
    .setAssetManifestFilePath("automl/manifest.json")
    // or .setAbsoluteManifestFilePath(absolute file path to manifest file)
    .build()

val optionsWithLocalModel = CustomImageLabelerOptions.Builder(localModel)
    .setConfidenceThreshold(0.5f)
    .build()

val firebaseModelSource = FirebaseModelSource.Builder("automl_remote_model")
    .build()
val remoteModel = CustomRemoteModel.Builder(firebaseModelSource).build()
val optionsWithRemoteModel = CustomImageLabelerOptions.Builder(remoteModel)
    .build()

এখানে পুরানো এবং নতুন জাভা পদ্ধতির কিছু উদাহরণ রয়েছে:

পুরাতন

AutoMLImageLabelerLocalModel localModel =
    new AutoMLImageLabelerLocalModel.Builder()
        .setAssetFilePath("automl/manifest.json")
        // or .setAbsoluteFilePath(absolute file path to manifest file)
        .build();
AutoMLImageLabelerOptions optionsWithLocalModel =
    new AutoMLImageLabelerOptions.Builder(localModel)
        .setConfidenceThreshold(0.5f)
        .build();
AutoMLImageLabelerRemoteModel remoteModel =
    new AutoMLImageLabelerRemoteModel.Builder("automl_remote_model").build();
AutoMLImageLabelerOptions optionsWithRemoteModel =
    new AutoMLImageLabelerOptions.Builder(remoteModel)
        .build();

নতুন

LocalModel localModel =
    new LocalModel.Builder()
        .setAssetManifestFilePath("automl/manifest.json")
        // or .setAbsoluteManifestFilePath(absolute file path to manifest file)
        .build()
CustomImageLabelerOptions optionsWithLocalModel =
    new CustomImageLabelerOptions.Builder(localModel)
        .setConfidenceThreshold(0.5f)
        .build();
FirebaseModelSource firebaseModelSource =
    new FirebaseModelSource.Builder("automl_remote_model").build();
CustomRemoteModel remoteModel =
    new CustomRemoteModel.Builder(firebaseModelSource).build();
CustomImageLabelerOptions optionsWithRemoteModel =
    new CustomImageLabelerOptions.Builder(remoteModel).build();

iOS এর জন্য মাইগ্রেশন গাইড

পূর্বশর্ত

• Xcode 13.2.1 বা তার বেশি প্রয়োজন।

ধাপ 1: কোকোপড আপডেট করুন

আপনার অ্যাপের পডফাইলে ML Kit iOS cocoapods-এর নির্ভরতা আপডেট করুন:

বৈশিষ্ট্য	পুরানো পড নাম(গুলি)	নতুন পড নাম(গুলি)
দূরবর্তী মডেল ডাউনলোড ছাড়াই AutoML লেবেল করা ছবি	GoogleMLKit/ImageLabelingAutoML	GoogleMLKit/ইমেজ লেবেলিং কাস্টম
দূরবর্তী মডেল ডাউনলোডিং সহ চিত্র লেবেল AutoML	GoogleMLKit/ImageLabelingAutoML GoogleMLKit/LinkFirebase	GoogleMLKit/ইমেজ লেবেলিং কাস্টম GoogleMLKit/LinkFirebase

ধাপ 2: ক্লাসের নাম আপডেট করুন

যদি আপনার ক্লাস এই টেবিলে উপস্থিত হয়, তাহলে নির্দেশিত পরিবর্তন করুন:

সুইফট

পুরাতন ক্লাস	নতুন ক্লাস
AutoMLImageLabelerLocalModel	স্থানীয় মডেল
AutoMLImageLabelerRemoteModel	কাস্টম রিমোট মডেল
AutoMLImageLabelerOptions	CustomImageLabelerOptions

উদ্দেশ্য গ

পুরাতন ক্লাস	নতুন ক্লাস
MLKAutoMLimageLabelerLocalModel	MLKLocalModel
MLKAutoMLImageLabelerRemoteModel	MLKCustomRemoteModel
MLKAutoMLImageLabelerOptions	MLKCustomImageLabelerOptions

উদ্দেশ্য গ

দ্রষ্টব্য: পূর্বে AutoMLImageLabelerOptions এর সাথে, যদি confidenceThreshold সেট করা না থাকে, তাহলে 0.5 এর একটি ডিফল্ট কনফিডেন্স থ্রেশহোল্ড মান ব্যবহার করা হবে। এখন CustomImageLabelerOptions এর সাথে, যদি confidenceThreshold সেট করা না থাকে, তাহলে এটি মডেল মেটাডেটাতে অন্তর্ভুক্ত কনফিডেন্স থ্রেশহোল্ড মান ব্যবহার করবে, যদি উপলব্ধ থাকে। যদি এটি বিদ্যমান না থাকে তবে পরিবর্তে 0.0 এর একটি মান ব্যবহার করা হবে।

ধাপ 3: পদ্ধতির নাম আপডেট করুন

ন্যূনতম কোড পরিবর্তন আছে:

• LocalModel এখন হয় একটি মডেল ফাইল পাথ দিয়ে আরম্ভ করা যেতে পারে (যদি মডেলটিতে লেবেল মানচিত্র ধারণকারী মেটাডেটা থাকে) অথবা একটি মডেল ম্যানিফেস্ট ফাইল পাথ (যদি ম্যানিফেস্ট, মডেল এবং লেবেলগুলি পৃথক ফাইলে থাকে)।
• আপনি Firebase কনসোলের মাধ্যমে দূরবর্তীভাবে একটি কাস্টম মডেল হোস্ট করতে পারেন এবং FirebaseModelSource দিয়ে একটি CustomRemoteModel শুরু করতে পারেন।

এখানে পুরানো এবং নতুন সুইফট পদ্ধতির কিছু উদাহরণ রয়েছে:

পুরাতন

let localModel =
    AutoMLImageLabelerLocalModel(manifestPath: "automl/manifest.json")
let optionsWithLocalModel = AutoMLImageLabelerOptions(localModel: localModel)
let remoteModel = AutoMLImageLabelerRemoteModel(name: "automl_remote_model")
let optionsWithRemoteModel = AutoMLImageLabelerOptions(remoteModel: remoteModel)

নতুন

guard let localModel = LocalModel(manifestPath: "automl/manifest.json") else { return }
let optionsWithLocalModel = CustomImageLabelerOptions(localModel: localModel)
let firebaseModelSource = FirebaseModelSource(name: "automl_remote_model")
let remoteModel = CustomRemoteModel(remoteModelSource: firebaseModelSource)
let optionsWithRemoteModel = CustomImageLabelerOptions(remoteModel: remoteModel)

এখানে পুরানো এবং নতুন উদ্দেশ্য-সি পদ্ধতির কিছু উদাহরণ রয়েছে:

পুরাতন

MLKAutoMLImageLabelerLocalModel *localModel =
    [[MLKAutoMLImageLabelerLocalModel alloc]
        initWithManifestPath:"automl/manifest.json"];
MLKAutoMLImageLabelerOptions *optionsWithLocalModel =
    [[MLKAutoMLImageLabelerOptions alloc] initWithLocalModel:localModel];
MLKAutoMLImageLabelerRemoteModel *remoteModel =
    [[MLKAutoMLImageLabelerRemoteModel alloc]
        initWithManifestPath:"automl/manifest.json"];
MLKAutoMLImageLabelerOptions *optionsWithRemoteModel =
    [[MLKAutoMLImageLabelerOptions alloc] initWithRemoteModel:remoteModel];

নতুন

MLKLocalModel *localModel =
    [[MLKLocalModel alloc] initWithManifestPath:"automl/manifest.json"];
MLKCustomImageLabelerOptions *optionsWithLocalModel =
    [[MLKCustomImageLabelerOptions alloc] initWithLocalModel:localModel];
MLKFirebaseModelSource *firebaseModelSource =
    [[MLKFirebaseModelSource alloc] initWithName:@"automl_remote_model"];
MLKCustomRemoteModel *remoteModel =
    [[MLKCustomRemoteModel alloc] initWithRemoteModelSource:firebaseModelSource];
MLKCustomImageLabelerOptions *optionsWithRemoteModel =
    [[MLKCustomImageLabelerOptions alloc] initWithRemoteModel:remoteModel];