Dengan API pelabelan gambar pada ML Kit, Anda dapat mendeteksi dan mengekstrak informasi tentang entity dalam gambar di berbagai kategori kategori. Model pelabelan gambar default dapat mengidentifikasi objek, tempat, aktivitas umum, spesies hewan, produk, dan lainnya.
Anda juga dapat menggunakan model klasifikasi gambar kustom untuk menyesuaikan deteksi pada kasus penggunaan tertentu. Lihat Menggunakan model TensorFlow Lite kustom untuk mengetahui informasi selengkapnya.
Kemampuan utama
- Pengklasifikasi dasar untuk tujuan umum yang canggih Mengenali lebih dari 400 kategori yang menjelaskan objek yang paling umum ditemukan dalam foto.
- Sesuaikan dengan kasus penggunaan Anda dengan model kustom Gunakan model terlatih lainnya dari TensorFlow Hub atau model kustom Anda sendiri yang dilatih dengan TensorFlow, AutoML Vision Edge, atau pembuat Model TensorFlow Lite.
- API tingkat tinggi yang mudah digunakan Tidak perlu menangani input/output model tingkat rendah, pra-dan pascapemrosesan gambar, atau membangun pipeline pemrosesan. ML Kit mengekstrak label dari model TensorFlow Lite dan menyediakannya sebagai deskripsi teks.
Perhatikan bahwa API ini ditujukan untuk model klasifikasi gambar yang mendeskripsikan gambar penuh. Untuk mengklasifikasikan satu atau beberapa objek dalam gambar, seperti sepatu atau perabot, Deteksi & Pelacakan Objek API mungkin lebih cocok.
Model klasifikasi gambar yang didukung
Image Labeling API mendukung berbagai model klasifikasi gambar:
| Model klasifikasi gambar yang didukung | |
|---|---|
| Model dasar | Secara default, API tersebut menggunakan model pelabelan gambar tujuan umum yang andal dan mengenali lebih dari 400 entity yang mencakup konsep yang paling umum ditemukan dalam foto. |
| Model TensorFlow Lite kustom | Untuk menargetkan konsep khusus aplikasi, API ini menerima model klasifikasi gambar kustom dari berbagai sumber. Ini dapat berupa model terlatih yang didownload dari TensorFlow Hub atau model Anda sendiri yang dilatih dengan AutoML Vision Edge, TensorFlow Lite Model Maker, atau TensorFlow itu sendiri. Model dapat dipaketkan dengan aplikasi Anda atau dihosting dengan Firebase Machine Learning dan didownload saat runtime. |
Menggunakan model dasar
Model dasar ML Kit menampilkan daftar entity yang mengidentifikasi orang, objek, tempat, aktivitas, dan sebagainya. Setiap entity memiliki skor yang menunjukkan keyakinan model ML atas relevansinya. Berbekal informasi ini, Anda dapat melakukan tugas-tugas seperti pembuatan metadata otomatis dan moderasi konten. Model default yang disediakan dengan ML Kit mengenali lebih dari 400 entity yang berbeda.
Label contoh
Model dasar dalam API pelabelan gambar mendukung 400+ label, seperti contoh berikut:
| Kategori | Label contoh |
|---|---|
| Orang | CrowdSelfieSmile |
| Aktivitas | DancingEatingSurfing |
| Berbagai hal | CarPianoReceipt |
| Hewan | BirdCatDog |
| Tanaman | FlowerFruitVegetable |
| Tempat | BeachLakeMountain |
Hasil contoh
Berikut adalah contoh entitas yang dikenali dalam foto yang menyertainya.
| Label 0 | |
|---|---|
| Teks | Stadion |
| Keyakinan | 0,9205354 |
| Label 1 | |
| Teks | Sports |
| Keyakinan | 0,7531109 |
| Label 2 | |
| Teks | Event |
| Keyakinan | 0,66905296 |
| Label 3 | |
| Teks | Rekreasi |
| Keyakinan | 0,59904146 |
| Label 4 | |
| Teks | Sepak Bola |
| Keyakinan | 0,56384534 |
| Label 5 | |
| Teks | Bersih |
| Keyakinan | 0,54679185 |
| Label 6 | |
| Teks | Tanaman |
| Keyakinan | 0,524364 |
Menggunakan model TensorFlow Lite kustom
Model pelabelan gambar dasar ML Kit dibangun untuk penggunaan umum. Model ini dilatih untuk mengenali 400 kategori yang mendeskripsikan objek yang paling umum ditemukan dalam foto. Aplikasi Anda mungkin memerlukan model klasifikasi gambar khusus yang mengenali jumlah kategori yang lebih sedikit secara lebih mendetail, seperti model yang membedakan antara spesies bunga atau jenis makanan.
API ini memungkinkan Anda menyesuaikan kasus penggunaan tertentu dengan mendukung model klasifikasi gambar kustom dari berbagai sumber. Lihat Model kustom dengan ML Kit untuk mempelajari lebih lanjut. Model kustom dapat dipaketkan dengan aplikasi Anda atau didownload secara dinamis dari cloud menggunakan layanan deployment Model Firebase Machine Learning.
Prapemrosesan gambar input
Jika diperlukan, Pelabelan Gambar menggunakan penskalaan dan peregangan gambar bilinear untuk menyesuaikan ukuran dan rasio aspek gambar input agar sesuai dengan persyaratan model yang mendasarinya.