Android için taşıma

Gradle içe aktarmalarını güncelleme

Yeni SDK, her ML Kit API için yalnızca bir bağımlılık gerektirir. Herhangi bir firebase-ml-vision veya firebase-ml-natural-language gibi ortak kitaplıklar. ML Kit, Google Play Hizmetleri'ne bağlı kitaplıklar için com.google.android.gms ad alanını kullanır.

Vision API'leri

Pakete dahil modeller, uygulamanızın bir parçası olarak teslim edilir. İnce modeller indirilmelidir. Bazı API'ler hem paket halinde hem de ince olarak, bazıları ise yalnızca tek bir biçimde kullanılabilir veya diğeri:

Modülünüzdeki ML Kit Android kitaplıkları için bağımlılıkları güncelleyin (uygulama- level) Gradle dosyası (genellikle app/build.gradle): Aşağıdaki tablolara göre:

Paket olarak sunulan modeller

İnce modeller

AutoMLVision Edge

Natural Language API'leri

Pakete dahil modeller, uygulamanızın bir parçası olarak teslim edilir. İnce modeller indirilmelidir:

Modülünüzdeki ML Kit Android kitaplıkları için bağımlılıkları güncelleyin (uygulama- level) Gradle dosyası (genellikle app/build.gradle): Aşağıdaki tablolara göre:

Paket olarak sunulan modeller

İnce modeller

Sınıf adlarını güncelleyin

Sınıfınız bu tabloda görünüyorsa belirtilen değişikliği yapın:

Diğer sınıflar için aşağıdaki kuralları uygulayın:

• Sınıf adından FirebaseVision önekini kaldırın.
• Firebase önekiyle başlayan diğer ön ekleri sınıf adından kaldırın.

Ayrıca, paket adlarında com.google.firebase.ml önekinin yerini alır com.google.mlkit ile.

Yöntem adlarını güncelleme

Minimum kod değişikliği yapılır:

• Algılayıcı/tarayıcı/etiketleyici/çevirmen... örneklendirme değiştirildi. Artık her özelliğin kendi giriş noktası vardır. Örneğin: BarcodeScanning, TextRecognition, ImageLabeling, Çeviri.... getInstance() Firebase hizmetine yapılan çağrıların yerini, özellik giriş noktasınıngetClient()yöntemine yapılan çağrılar alır.
• Çince ve Korece gibi diğer alfabeleri tanımak için ek kitaplıklar sunduğumuzdan, TextValidater için varsayılan örnek oluşturma kaldırıldı. Latin alfabesi metin tanıma modeliyle varsayılan seçenekleri kullanmak için lütfen com.google.android.gms:play-services-mlkit-text-recognition öğesine bir bağımlılık bildirin ve TextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS) kullanın.
• Bu iki özellik için özel model desteği sunduğumuzdan, ImageLabeler ve ObjectDetector için varsayılan örneklendirme kaldırıldı. Örneğin, ImageLabeling'de temel model ile varsayılan seçenekleri kullanmak için lütfen com.google.mlkit:image-labeling öğesine bir bağımlılık bildirin, Java'da ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS) kullanın.
• Tüm herkese açık kullanıcı adları (algılayıcı/tarayıcı/etiketleyici/çevirmen...) kapatılabilir. Bu nesneler artık kullanılmayacaksa close() yönteminin çağrıldığından emin olun. Bunları bir Fragment veya AppCompatActivity içinde kullanıyorsanız bunu yapmanın kolay bir yolu, Fragment veya AppCompatActivity'de LifecycleOwner.getLifecycle() yöntemini ve ardından Lifecycle.addObserver'ı çağırmaktır.
• Vision API'lerdeki processImage() ve detectInImage(), tutarlılık için process() olarak yeniden adlandırıldı .
• Natural Language API'lerinde artık "dil kodu" yerine "dil etiketi" (BCP 47 standardı tarafından tanımlandığı şekilde) kullanılıyor.
• xxxOptions sınıflarındaki Getter yöntemleri kaldırıldı.
• GirişImage sınıfındaki (FirebaseVisionImage yerine) getBitmap() yöntemi artık herkese açık arayüzün bir parçası olarak desteklenmemektedir. Bit eşlemin çeşitli girişlerden dönüştürülmesi için lütfen ML Kit hızlı başlangıç örneğindeki BitmapUtils.java bölümüne bakın.
• FirebaseVisionImageMetadata kaldırıldı. Yalnızca genişlik, yükseklik, rotasyonDegrees ve biçim gibi resim meta verilerini GirişImages'ın oluşturma yöntemlerine aktarabilirsiniz.

Aşağıda, eski ve yeni Kotlin yöntemlerine ilişkin bazı örnekler verilmiştir:

// Construct image labeler with base model and default options.
val imageLabeler = FirebaseVision.getInstance().onDeviceImageLabeler

// Construct object detector with base model and default options.
val objectDetector = FirebaseVision.getInstance().onDeviceObjectDetector

// Construct face detector with given options
val faceDetector = FirebaseVision.getInstance().getVisionFaceDetector(options)

// Construct image labeler with local AutoML model
val localModel =
    FirebaseAutoMLLocalModel.Builder()
      .setAssetFilePath("automl/manifest.json")
      .build()
val autoMLImageLabeler =
    FirebaseVision.getInstance()
      .getOnDeviceAutoMLImageLabeler(
          FirebaseVisionOnDeviceAutoMLImageLabelerOptions.Builder(localModel)
            .setConfidenceThreshold(0.3F)
            .build()
    )

// Construct image labeler with base model and default options.
val imageLabeler = ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS)
// Optional: add life cycle observer
lifecycle.addObserver(imageLabeler)

// Construct object detector with base model and default options.
val objectDetector = ObjectDetection.getClient(ObjectDetectorOptions.DEFAULT_OPTIONS)

// Construct face detector with given options
val faceDetector = FaceDetection.getClient(options)

// Construct image labeler with local AutoML model
val localModel =
  LocalModel.Builder()
    .setAssetManifestFilePath("automl/manifest.json")
    .build()
val autoMLImageLabeler =
  ImageLabeling.getClient(
    CustomImageLabelerOptions.Builder(localModel)
    .setConfidenceThreshold(0.3F).build())
  

Aşağıda, eski ve yeni Java yöntemlerine ilişkin bazı örnekler verilmiştir:

// Construct image labeler with base model and default options.
FirebaseVisionImageLabeler imagelLabeler =
     FirebaseVision.getInstance().getOnDeviceImageLabeler();

// Construct object detector with base model and default options.
FirebaseVisionObjectDetector objectDetector =
     FirebaseVision.getInstance().getOnDeviceObjectDetector();

// Construct face detector with given options
FirebaseVisionFaceDetector faceDetector =
     FirebaseVision.getInstance().getVisionFaceDetector(options);

// Construct image labeler with local AutoML model
FirebaseAutoMLLocalModel localModel =
    new FirebaseAutoMLLocalModel.Builder()
      .setAssetFilePath("automl/manifest.json")
      .build();
FirebaseVisionImageLabeler autoMLImageLabeler =
    FirebaseVision.getInstance()
      .getOnDeviceAutoMLImageLabeler(
          FirebaseVisionOnDeviceAutoMLImageLabelerOptions.Builder(localModel)
            .setConfidenceThreshold(0.3F)
            .build());

// Construct image labeler with base model and default options.
ImageLabeler imageLabeler = ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS);
// Optional: add life cycle observer
getLifecycle().addObserver(imageLabeler);

// Construct object detector with base model and default options.
ObjectDetector objectDetector = ObjectDetection.getClient(ObjectDetectorOptions.DEFAULT_OPTIONS);

// Construct face detector with given options
FaceDetector faceDetector = FaceDetection.getClient(options);

// Construct image labeler with local AutoML model
LocalModel localModel =
  new LocalModel.Builder()
    .setAssetManifestFilePath("automl/manifest.json")
    .build();
ImageLabeler autoMLImageLabeler =
  ImageLabeling.getClient(
    new CustomImageLabelerOptions.Builder(localModel)
    .setConfidenceThreshold(0.3F).build());
  

API'ye özel değişiklikler

Barkod Tarama

Barcode Scanning API için modeller artık iki şekilde teslim edilebilir:

• "İnce" olarak da bilinen Google Play Hizmetleri (önerilir) aracılığıyla: Bu şekilde uygulama boyutu küçültülür ve model uygulamalar arasında paylaşılır. Ancak geliştiricilerin, modeli ilk kez kullanmadan önce indirdiğinden emin olmaları gerekir.
• Uygulamanızın APK'sı ("paketlenmiş" olarak da bilinir) ile: Bu, uygulama boyutunu artırır ancak modelin hemen kullanılabilir olduğu anlamına gelir.

Bu iki uygulama biraz farklıdır. "Gruplandırılmış" sürümde "ince" sürüme kıyasla bazı iyileştirmeler vardır. Bu farklarla ilgili ayrıntıları Barkod Tarama API'si yönergelerinde bulabilirsiniz.

Yüz Algılama

Yüz Algılama API'si için modeller iki şekilde sunulabilir:

• "İnce" olarak da bilinen Google Play Hizmetleri (önerilir) aracılığıyla: Bu şekilde uygulama boyutu küçültülür ve model uygulamalar arasında paylaşılır. Ancak geliştiricilerin, modeli ilk kez kullanmadan önce indirdiğinden emin olmaları gerekir.
• Uygulamanızın APK'sı ("gruplandırılmış" olarak da bilinir) ile - Bu, uygulama indirme boyutunu artırır ancak modelin hemen kullanılabilir olduğu anlamına gelir.

Uygulama davranışları aynıdır.

Translation

• TranslateLanguage, artık dil etiketleri (EN) yerine sabit değerleri (ör. ENGLISH) için okunabilir adlar kullanıyor. Ayrıca, @IntDef yerine @StringDef olarak adlandırılmıştır. Sabit değerin değeri, eşleşen BCP 47 dil etiketi olacaktır.

• Uygulamanızda "cihaz boşta" indirme koşulu seçeneği kullanılıyorsa bu seçeneğin kaldırıldığını ve artık kullanılamayacağını unutmayın. "Cihaz şarj etme" seçeneğini kullanmaya devam edebilirsiniz. Daha karmaşık bir davranış istiyorsanız RemoteModelManager.download yöntemini kendi mantığınıza göre erteleyebilirsiniz.

AutoML Resim Etiketleme

Uygulamanız "cihaz boşta" indirme koşulu seçeneğini kullanıyorsa şuna dikkat edin: seçeneği kaldırıldı ve artık kullanılamıyor. Yine de "cihaz şarjı" seçeneği var.

Daha karmaşık bir davranış için çağrıyı erteleyebilirsiniz Kendi mantığınızda RemoteModelManager.download.

Nesne Algılama ve İzleme

Uygulamanız genel sınıflandırmayla nesne algılamayı kullanıyorsa şunu unutmayın: yeni SDK, algılanan öğe için sınıflandırma kategorisini döndürme şeklini değiştirdi nesneler'i tıklayın.

Sınıflandırma kategorisi DetectedObject.Label değerini girmeniz gerekir. için olası tüm kategoriler genel sınıflandırıcı, PredefinedCategory sınıfında yer alır.

Aşağıda, eski ve yeni Kotlin koduna bir örnek verilmiştir:

if (object.classificationCategory == FirebaseVisionObject.CATEGORY_FOOD) {
    ...
}

if (!object.labels.isEmpty() && object.labels[0].text == PredefinedCategory.FOOD) {
    ...
}
// or
if (!object.labels.isEmpty() && object.labels[0].index == PredefinedCategory.FOOD_INDEX) {
    ...
}

Aşağıda, eski ve yeni Java koduna bir örnek verilmiştir:

if (object.getClassificationCategory() == FirebaseVisionObject.CATEGORY_FOOD) {
    ...
}

if (!object.getLabels().isEmpty()
    && object.getLabels().get(0).getText().equals(PredefinedCategory.FOOD)) {
    ...
}
// or
if (!object.getLabels().isEmpty()
    && object.getLabels().get(0).getIndex() == PredefinedCategory.FOOD_INDEX) {
    ...
}

"Bilinmeyen" kategorisi kaldırılmıştır. Bir nesnenin sınıflandırmasının güveni düşük olduğunda hiç etiket döndürmeyiz.

Firebase bağımlılıklarını kaldırın (İsteğe bağlı)

Bu adım yalnızca aşağıdaki koşullar karşılandığında geçerlidir:

• Firebase ML Kit, kullandığınız tek Firebase bileşenidir.
• Yalnızca cihaz üzerindeki API'leri kullanırsınız.
• Model sunmayı kullanmıyorsunuz.

Bu durumda, taşıma işleminden sonra Firebase bağımlılıklarını kaldırabilirsiniz. Şu adımları uygulayın:

• Uygulamanızın modül (uygulama düzeyi) dizinindeki google-services.json yapılandırma dosyasını silerek Firebase yapılandırma dosyasını kaldırın.
• Modülünüzdeki (uygulama düzeyinde) Gradle dosyanızdaki (genellikle app/build.gradle) Google Services Gradle eklentisini Strict Version Matcher eklentisiyle değiştirin:

apply plugin: 'com.android.application'
apply plugin: 'com.google.gms.google-services'  // Google Services plugin

android {
  // …
}

apply plugin: 'com.android.application'
apply plugin: 'com.google.android.gms.strict-version-matcher-plugin'

android {
  // …
}

• Projenizdeki (kök düzeyi) Gradle dosyasındaki (build.gradle) Google Hizmetleri Gradle eklentisi sınıf yolunu, Strict Version Matcher eklentisine ait olanla değiştirin:

buildscript {
  dependencies {
    // ...

    classpath 'com.google.gms:google-services:4.3.3'  // Google Services plugin
  }
}

buildscript {
  dependencies {
    // ...

    classpath 'com.google.android.gms:strict-version-matcher-plugin:1.2.1'
  }
}

Firebase uygulamanızı Firebase konsolundan silin: Firebase destek sitesindeki talimatları uygulayın.

Yardım Alma

Herhangi bir sorunla karşılaşırsanız lütfen şurada açıklanan Topluluk sayfamıza göz atın: bağlantı kurabileceğimiz kanalları görürsünüz.