การย้ายข้อมูลสำหรับ Android

อัปเดตการนำเข้า Gradle

SDK ใหม่ต้องใช้ทรัพยากร Dependency เพียง 1 รายการต่อ ML Kit API แต่ละรายการ คุณไม่จำเป็นต้องระบุ ไลบรารีทั่วไป เช่น firebase-ml-vision หรือ firebase-ml-natural-language ML Kit ใช้เนมสเปซ com.google.android.gms สำหรับไลบรารีที่อิงตามบริการ Google Play

API ของ Vision

ระบบจะนำโมเดลที่รวมชุดมาเป็นส่วนหนึ่งของแอปพลิเคชันของคุณ ต้องดาวน์โหลดโมเดลขนาดเล็ก API บางรายการมีให้ใช้งานทั้งในรูปแบบแพ็กเกจและในรูปแบบบางส่วน ส่วน API อื่นๆ จะมีในรูปแบบเดียวเท่านั้น หรืออื่นๆ

อัปเดตทรัพยากร Dependency สำหรับไลบรารี ML Kit Android ในโมดูล (แอป- ระดับ) ไฟล์ Gradle (ปกติราคา app/build.gradle) ตามตารางต่อไปนี้:

โมเดลแบบกลุ่ม

โมเดลบาง

AutoMLVision Edge

Natural Language API

ระบบจะนำโมเดลที่รวมชุดมาเป็นส่วนหนึ่งของแอปพลิเคชันของคุณ ต้องดาวน์โหลดโมเดล Thin:

อัปเดตทรัพยากร Dependency สำหรับไลบรารี ML Kit Android ในโมดูล (แอป- ระดับ) ไฟล์ Gradle (ปกติราคา app/build.gradle) ตามตารางต่อไปนี้:

โมเดลแบบกลุ่ม

โมเดลบาง

อัปเดตชื่อชั้นเรียน

หากชั้นเรียนของคุณปรากฏในตารางนี้ ให้ทำการเปลี่ยนแปลงที่ระบุ

สำหรับชั้นเรียนอื่นๆ ให้ทำตามกฎต่อไปนี้

• นำคำนำหน้า FirebaseVision ออกจากชื่อชั้นเรียน
• นำคำนำหน้าอื่นๆ ที่ขึ้นต้นด้วย Firebase ออกจากชื่อชั้นเรียน

นอกจากนี้ ในชื่อแพ็กเกจจะแทนที่คำนำหน้า com.google.firebase.ml ด้วย com.google.mlkit

อัปเดตชื่อวิธีการ

มีการเปลี่ยนแปลงโค้ดเล็กน้อย:

• ตัวตรวจจับ/เครื่องสแกน/ป้ายกำกับ/เครื่องมือแปล... มีการเปลี่ยนแปลงอินสแตนซ์ แต่ละฟีเจอร์มีจุดแรกเข้าของตนเองแล้ว ตัวอย่างเช่น: BarcodeScanning, TextRecognition, ImageLabeling, Translation.... ระบบจะแทนที่การเรียกใช้บริการ Firebase getInstance() ด้วยการเรียกเมธอดของจุดแรกเข้าของฟีเจอร์getClient()
• เราได้นำการสร้างอินสแตนซ์เริ่มต้นสำหรับ TextRecognizer ออกแล้ว เนื่องจากเราได้เปิดตัวไลบรารีเพิ่มเติมสำหรับการจดจำสคริปต์อื่นๆ เช่น ภาษาจีนและเกาหลี หากต้องการใช้ตัวเลือกเริ่มต้นด้วยโมเดลการจดจำข้อความสคริปต์ละติน โปรดประกาศการอ้างอิงใน com.google.android.gms:play-services-mlkit-text-recognition และใช้ TextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS)
• เราได้นำการสร้างอินสแตนซ์เริ่มต้นสำหรับ ImageLabeler และ ObjectDetector ออก เนื่องจากเราได้เปิดตัวการรองรับโมเดลที่กําหนดเองสําหรับทั้ง 2 ฟีเจอร์นี้ เช่น หากต้องการใช้ตัวเลือกเริ่มต้นกับโมเดลฐานใน ImageLabeling โปรดประกาศทรัพยากร Dependency ใน com.google.mlkit:image-labeling และใช้ ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS) ใน Java
• ที่จับทั้งหมด (ตัวตรวจจับ/เครื่องสแกน/ป้ายกำกับ/เครื่องแปล...) สามารถปิดได้ ตรวจสอบว่ามีการเรียกใช้เมธอด close() เมื่อจะไม่มีการใช้งานออบเจ็กต์เหล่านั้นอีกต่อไป หากคุณใช้ Fragment หรือ AppCompatActivity วิธีง่ายๆ คือการเรียกใช้ LifecycleOwner.getLifecycle() ใน Fragment หรือ AppCompatActivity แล้วจึงเรียกใช้ Lifecycle.addObserver
• เราได้เปลี่ยนชื่อ processImage() และ detectInImage() ใน Vision API เป็น process() เพื่อความสอดคล้อง
• ปัจจุบัน Natural Language API จะใช้คําว่า "แท็กภาษา" (ตามคําจํากัดความตามมาตรฐาน BCP 47) แทน "รหัสภาษา"
• นำเมธอด Getter ในคลาส xxxOptions ออกแล้ว
• เมธอด getBitmap() ในคลาส InputImage(แทนที่ FirebaseVisionImage) จะไม่ได้รับการสนับสนุนอีกต่อไปในฐานะส่วนหนึ่งของอินเทอร์เฟซสาธารณะ โปรดดู BitmapUtils.java ในตัวอย่างการเริ่มต้นอย่างรวดเร็ว ML Kit เพื่อแปลงบิตแมปจากอินพุตต่างๆ
• FirebaseVisionImageMetadata ถูกนำออกแล้ว คุณสามารถส่งข้อมูลเมตาของรูปภาพ เช่น ความกว้าง ความสูง การหมุนองศา รูปแบบ ไปยังวิธีการสร้างของ InputImages

ต่อไปนี้คือตัวอย่างของเมธอด Kotlin ทั้งเก่าและใหม่

// 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())
  

ต่อไปนี้เป็นตัวอย่างของเมธอด Java ทั้งเก่าและใหม่

// 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());
  

การเปลี่ยนแปลงเฉพาะ API

การสแกนบาร์โค้ด

สำหรับ API การสแกนบาร์โค้ด คุณสามารถเลือกนำส่งโมเดลได้ 2 วิธี ดังนี้

• ผ่านบริการ Google Play หรือที่รู้จักกันในชื่อ "thin" (แนะนำ) - การดำเนินการนี้จะลดขนาดแอปและมีการแชร์โมเดลระหว่างแอปพลิเคชัน อย่างไรก็ตาม นักพัฒนาซอฟต์แวร์จะต้องตรวจสอบว่ามีการดาวน์โหลดโมเดลก่อนที่จะใช้งานเป็นครั้งแรก
• การใช้ APK ของแอปหรือที่เรียกว่า "แพ็กเกจ" จะเพิ่มขนาดของแอป แต่หมายความว่าโมเดลจะพร้อมใช้งานทันที

การใช้งานทั้ง 2 รายการแตกต่างกันเล็กน้อย โดยเวอร์ชัน "แพ็กเกจ" จะมีการปรับปรุงหลายประการมากกว่าเวอร์ชัน "บาง" ดูรายละเอียดเกี่ยวกับความแตกต่างเหล่านี้ได้ในหลักเกณฑ์ของ Barcode Scanning API

การตรวจจับใบหน้า

สำหรับ Face Detection API คุณจะนำส่งโมเดลได้ 2 วิธีดังนี้

• ผ่านบริการ Google Play หรือที่รู้จักกันในชื่อ "thin" (แนะนำ) - การดำเนินการนี้จะลดขนาดแอปและมีการแชร์โมเดลระหว่างแอปพลิเคชัน อย่างไรก็ตาม นักพัฒนาซอฟต์แวร์จะต้องตรวจสอบว่ามีการดาวน์โหลดโมเดลก่อนที่จะใช้งานเป็นครั้งแรก
• การใช้ APK ของแอปหรือเรียกอีกอย่างว่า "แพ็กเกจ" จะเพิ่มขนาดการดาวน์โหลดแอป แต่หมายความว่าโมเดลจะพร้อมใช้งานทันที

ลักษณะการทำงานของการติดตั้งใช้งานจะเหมือนกัน

คำแปล

• ตอนนี้ TranslateLanguage ใช้ชื่อที่อ่านได้สำหรับค่าคงที่ (เช่น ENGLISH) แทนแท็กภาษา (EN) ซึ่งตอนนี้อยู่ในรูปแบบ @StringDef แทน @IntDef และค่าของค่าคงที่คือแท็กภาษา BCP 47 ที่ตรงกัน

• หากแอปของคุณใช้ตัวเลือกเงื่อนไขการดาวน์โหลด "ไม่มีการใช้งานอุปกรณ์" โปรดทราบว่าตัวเลือกนี้ได้ถูกนำออกแล้วและไม่สามารถใช้ได้อีกต่อไป คุณยังสามารถใช้ตัวเลือก "การชาร์จอุปกรณ์" ได้ หากต้องการการทำงานที่ซับซ้อนมากขึ้น คุณสามารถเลื่อนการเรียก RemoteModelManager.download โดยใช้ตรรกะของคุณเองได้

การติดป้ายกำกับรูปภาพ AutoML

หากแอปของคุณใช้ตัวเลือกเงื่อนไขการดาวน์โหลด "ไม่มีการใช้งานอุปกรณ์" โปรดทราบว่า นำตัวเลือกนี้ออกแล้วและจะใช้ไม่ได้อีกต่อไป คุณยังสามารถใช้ ตัวเลือก "การชาร์จอุปกรณ์"

หากต้องการการทำงานที่ซับซ้อนยิ่งขึ้น คุณชะลอการโทรได้ RemoteModelManager.download อยู่เบื้องหลังตรรกะของคุณเอง

การตรวจจับและติดตามออบเจ็กต์

หากแอปใช้การตรวจหาออบเจ็กต์ที่มีการแยกประเภทคร่าวๆ โปรดทราบว่า SDK ใหม่เปลี่ยนวิธีแสดงผลหมวดหมู่การจัดประเภทสำหรับที่ตรวจพบ ออบเจ็กต์

หมวดหมู่การจัดประเภทจะแสดงผลเป็นอินสแตนซ์ของ DetectedObject.Label แทนจำนวนเต็ม หมวดหมู่ที่เป็นไปได้ทั้งหมดสำหรับ ตัวแยกประเภทคร่าวๆ จะรวมอยู่ในคลาส PredefinedCategory

ต่อไปนี้คือตัวอย่างโค้ด Kotlin เก่าและใหม่

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) {
    ...
}

ต่อไปนี้เป็นตัวอย่างของโค้ด Java เก่าและใหม่

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) {
    ...
}

นำหมวดหมู่ "ไม่รู้จัก" ออกแล้ว เมื่อการจัดประเภทของออบเจ็กต์มีความเชื่อมั่นต่ำ เราจะไม่แสดงป้ายกำกับใดๆ เลย

นำทรัพยากร Dependency ของ Firebase ออก (ไม่บังคับ)

ขั้นตอนนี้จะใช้เมื่อตรงกับเงื่อนไขเหล่านี้เท่านั้น

• Firebase ML Kit เป็นคอมโพเนนต์ Firebase เพียงอย่างเดียวที่คุณใช้
• คุณใช้ API ในอุปกรณ์เท่านั้น
• คุณไม่ได้ใช้โมเดล

หากเป็นกรณีนี้ คุณสามารถนำทรัพยากร Dependency ของ Firebase ออกหลังการย้ายข้อมูลได้ โปรดทำตามขั้นตอนต่อไปนี้

• นำไฟล์การกำหนดค่า Firebase ออกโดยลบไฟล์การกำหนดค่า google-services.json ในไดเรกทอรีโมดูล (ระดับแอป) ของแอป
• แทนที่ปลั๊กอิน Gradle บริการของ Google ในไฟล์ Gradle ระดับโมดูล (ระดับแอป) (มักจะเป็น app/build.gradle) ด้วยปลั๊กอินตัวจับคู่เวอร์ชันเข้มงวด

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 {
  // …
}

• แทนที่คลาสพาธของปลั๊กอิน Gradle บริการของ Google ในไฟล์ Gradle โปรเจ็กต์ (ระดับรูท) (build.gradle) ของคุณด้วยปลั๊กอินสำหรับปลั๊กอินตัวจับคู่เวอร์ชันที่เข้มงวด:

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'
  }
}

ลบแอป Firebase ที่คอนโซล Firebase ตาม วิธีการในเว็บไซต์การสนับสนุนของ Firebase

ขอความช่วยเหลือ

หากพบปัญหา โปรดไปที่หน้าชุมชนซึ่งเราสรุปไว้ ช่องทางที่พร้อมให้บริการสำหรับติดต่อเรา