مهاجرت برای iOS

نام روش ها را به روز کنید

نام روش ها را طبق این قوانین به روز کنید:

• کلاس های نقطه ورودی دامنه ( Vision ، NaturalLanguage ) دیگر وجود ندارند. آنها با کلاس های وظیفه ای جایگزین شده اند. برای دریافت آشکارسازها، تماس‌های مستقیم با روش‌های کارخانه هر آشکارساز را جایگزین کنید.

• کلاس VisionImageMetadata به همراه فهرست VisionDetectorImageOrientation حذف شده است. از ویژگی orientation VisionImage برای تعیین جهت نمایش تصویر استفاده کنید.

• روش onDeviceTextRecognizer که یک نمونه TextRecognizer جدید دریافت می کند به textRecognizer تغییر نام داده است.

• ویژگی اطمینان از کلاس‌های نتیجه تشخیص متن، از جمله TextElement ، TextLine و TextBlock حذف شده است.

• متدهای onDeviceImageLabeler و onDeviceImageLabeler(options:) برای به دست آوردن یک نمونه ImageLabeler جدید ادغام شده و به imageLabeler(options:) .

• روش objectDetector برای به دست آوردن یک نمونه ObjectDetector جدید حذف شده است. به جای آن از objectDetector(options:) استفاده کنید.

• ویژگی type از ImageLabeler و ویژگی entityID از کلاس نتیجه برچسب‌گذاری تصویر، ImageLabel حذف شده است.

• detect(in _:, completion:) به process(_:, completion:) تغییر نام داده است تا با سایر APIهای بینایی سازگار باشد.

• APIهای زبان طبیعی اکنون از عبارت "برچسب زبان" (همانطور که توسط استاندارد BCP-47 تعریف شده) به جای "کد زبان" استفاده می کنند.

• TranslateLanguage اکنون از نام های قابل خواندن (مانند .english) برای ثابت های خود به جای برچسب های زبان (مانند .en) استفاده می کند.

در اینجا چند نمونه از روش های قدیمی و جدید سوئیفت آورده شده است:

let options = VisionOnDeviceImageLabelerOptions()
options.confidenceThreshold = 0.75
let labeler = Vision.vision().onDeviceImageLabeler(options: options)

let detector = Vision.vision().faceDetector(options: options)

let localModel = AutoMLLocalModel(manifestPath: "automl/manifest.json")
let options = VisionOnDeviceAutoMLImageLabelerOptions(localModel: localModel)
options.confidenceThreshold = 0.75
let labeler = vision.onDeviceAutoMLImageLabeler(options: options)

let detector = Vision.vision().objectDetector()
    

let options = ImageLabelerOptions()
options.confidenceThreshold = NSNumber(value:0.75)
let labeler = ImageLabeler.imageLabeler(options: options)

let detector = FaceDetector.faceDetector(options: options)

let localModel = LocalModel(manifestPath: "automl/manifest.json")
let options = CustomImageLabelerOptions(localModel: localModel)
options.confidenceThreshold = NSNumber(value:0.75)
let labeler = ImageLabeler.imageLabeler(options: options)

let detector = ObjectDetector.objectDetector(options: ObjectDetectorOptions())
    

در اینجا چند نمونه از روش های قدیمی و جدید Objective-C آورده شده است:

FIRVisionOnDeviceImageLabelerOptions *options = 
    [[FIRVisionOnDeviceImageLabelerOptions alloc] init];
options.confidenceThreshold = 0.75;
FIRVisionImageLabeler *labeler = 
    [[FIRVision vision] onDeviceImageLabelerWithOptions:options];

FIRVisionFaceDetector *detector =
    [[FIRVision vision] faceDetectorWithOptions: options];

FIRAutoMLLocalModel *localModel =
    [[FIRAutoMLLocalModel alloc] initWithManifestPath:@"automl/manifest.json"];
FIRVisionOnDeviceAutoMLImageLabelerOptions *options =
    [[FIRVisionOnDeviceAutoMLImageLabelerOptions alloc]
        initWithLocalModel: localModel];
options.confidenceThreshold = 0.75
FIRVisionImageLabeler *labeler =
    [[FIRVision vision] onDeviceAutoMLImageLabelerWithOptions:options];

FIRVisionObjectDetector *detector =
    [[FIRVision vision] objectDetector];
    

MLKImageLabelerOptions *options =
    [[MLKImageLabelerOptions alloc] init];
options.confidenceThreshold = @(0.75);
MLKImageLabeler *labeler =
    [MLKImageLabeler imageLabelerWithOptions:options];

MLKFaceDetector *detector =
    [MLKFaceDetector faceDetectorWithOptions:options];

MLKLocalModel *localModel =
    [[MLKLocalModel alloc]
        initWithManifestPath:@"automl/manifest.json"];
MLKCustomImageLabelerOptions *options =
    [[MLKCustomImageLabelerOptions alloc] initWithLocalModel:localModel];
options.confidenceThreshold = @(0.75)
MLKImageLabeler *labeler =
    [MLKImageLabeler imageLabelerWithOptions:options];

MLKObjectDetectorOptions *options = [[MLKObjectDetectorOptions alloc] init];
MLKObjectDetector *detector = [MLKObjectDetector objectDetectorWithOptions:options];
    

تغییرات ویژه API

تشخیص و ردیابی اشیاء

اگر برنامه شما از طبقه‌بندی اشیاء استفاده می‌کند، توجه داشته باشید که SDK جدید روش بازگرداندن دسته‌بندی اشیاء شناسایی‌شده را تغییر داده است.

VisionObjectCategory در VisionObject به جای یک عدد صحیح به عنوان text در یک شی ObjectLabel برگردانده می شود. تمام دسته بندی رشته های ممکن در فهرست DetectedObjectLabel گنجانده شده است.

توجه داشته باشید که دسته .unknown حذف شده است. وقتی اطمینان طبقه‌بندی یک شی کم است، طبقه‌بندی کننده اصلاً برچسبی برمی‌گرداند.

در اینجا یک نمونه از کدهای قدیمی و جدید سوئیفت آورده شده است:

if (object.classificationCategory == .food) {
    ...
}

if let label = object.labels.first {
  if (label.text == DetectedObjectLabel.food.rawValue) {
    ...
  }
}
// or
if let label = object.labels.first {
  if (label.index == DetectedObjectLabelIndex.food.rawValue) {
    ...
  }
}

در اینجا یک نمونه از کدهای قدیمی و جدید Objective-C آورده شده است:

if (object.classificationCategory == FIRVisionObjectCategoryFood) {
    ...
}

if ([object.labels[0].text isEqualToString:MLKDetectedObjectLabelFood]) {
  ...
}
// or
if ([object.labels[0].index == MLKDetectedObjectLabelIndexFood]) {
  ...
}

حذف وابستگی های Firebase (اختیاری)

این مرحله فقط زمانی اعمال می شود که این شرایط رعایت شود:

• کیت Firebase ML تنها مؤلفه Firebase است که استفاده می کنید
• شما فقط از API های روی دستگاه استفاده می کنید
• شما از سرویس مدل استفاده نمی کنید

در این صورت، می توانید پس از مهاجرت، وابستگی های Firebase را حذف کنید. این مراحل را دنبال کنید:

• با حذف فایل GoogleService-Info.plist از فهرست برنامه و پروژه Xcode، فایل پیکربندی Firebase را حذف کنید.
• هر کوکوپود Firebase، مانند pod 'Firebase/Analytics' را از فایل پاد خود حذف کنید.
• هر مقدار اولیه FirebaseApp، مانند FirebaseApp.configure() را از کد خود حذف کنید.
• برنامه Firebase خود را در کنسول Firebase مطابق با دستورالعمل های سایت پشتیبانی Firebase حذف کنید.

دریافت کمک

اگر با مشکلی مواجه شدید، لطفاً صفحه انجمن ما را بررسی کنید، جایی که ما کانال های موجود برای تماس با ما را مشخص می کنیم.