درحال انتقال برای iOS

این راهنما توضیح می‌دهد که چگونه از ML Kit برای Firebase برای iOS مهاجرت کنید.

پیش‌نیازها

قبل‌از شروع انتقال کد، مطمئن شوید که این الزامات را برآورده می‌کنید:

• ‫ML Kit از Xcode نسخه ۱۳.۲.۱ یا بالاتر پشتیبانی می‌کند.
• ‫ML Kit از iOS نسخه ۱۵.۵ یا بالاتر پشتیبانی می‌کند.
• ‫ML Kit از معماری‌های ۳۲ بیتی (i386 و armv7) پشتیبانی نمی‌کند. ‫ML Kit از معماری‌های ۶۴ بیتی (x86_64 و arm64) پشتیبانی می‌کند.
• کتابخانه ML Kit فقط به‌صورت cocoapods ارائه می‌شود. نمی‌توانید چارچوب‌ها و cocoapods را باهم ترکیب کنید، بنابراین برای استفاده از این کتابخانه ابتدا باید به cocoapods مهاجرت کنید.

به‌روزرسانی Cocoapods

وابستگی‌های cocoapods کیت یادگیری ماشین iOS را در Podfile برنامه‌تان به‌روز کنید:

به‌روزرسانی نام کلاس‌ها، شمارش‌ها، و انواع

به‌طورکلی، کلاس‌ها، شمارش‌ها، و انواع باید به‌صورت زیر تغییر نام دهند:

• Swift: پیشوند Vision را از نام‌های کلاس و شمارش‌ها بردارید
• Objective-C: هم پیشوندهای نام کلاس و هم پیشوندهای enum FIRVision و FIR را با MLK جایگزین کنید

برای برخی‌از نام‌ها و انواع کلاس، این قانون کلی اعمال نمی‌شود:

به‌روزرسانی نام روش‌ها

نام‌های روش را طبق این قوانین به‌روز کنید:

• کلاس‌های نقطه ورودی دامنه (Vision، NaturalLanguage) دیگر وجود ندارند. این کلاس‌ها با کلاس‌های مختص تکلیف جایگزین شده‌اند. تماس‌های مربوط به روش‌های کارخانه‌ای مختلف آن‌ها برای دریافت آشکارسازها را با تماس‌های مستقیم با روش کارخانه‌ای هر آشکارساز جایگزین کنید.

• کلاس VisionImageMetadata به‌همراه VisionDetectorImageOrientation enum برداشته شده است. از دارایی orientation در VisionImage برای مشخص کردن جهت نمایش تصویر استفاده کنید.

• روش onDeviceTextRecognizer که نمونه جدید TextRecognizer را دریافت می‌کند به textRecognizer تغییر نام داده است.

• ویژگی اطمینان از کلاس‌های نتیجه تشخیص نوشتار، ازجمله TextElement، TextLine، و TextBlock برداشته شده است.

• روش‌های onDeviceImageLabeler و onDeviceImageLabeler(options:) برای دریافت نمونه جدید ImageLabeler ادغام شده و به imageLabeler(options:) تغییر نام داده شده است.

• روش objectDetector برای دریافت نمونه جدید ObjectDetector برداشته شده است. درعوض از objectDetector(options:) استفاده کنید.

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

• نام میانای برنامه‌سازی کاربردی اسکن رمزینه detect(in _:, completion:) به process(_:, completion:) تغییر کرده است تا با دیگر میاناهای برنامه‌سازی کاربردی بینایی سازگار باشد.

• Natural Language API اکنون به‌جای «کد زبان» از اصطلاح «برچسب زبان» (همان‌طور که در استاندارد BCP-47 تعریف شده است) استفاده می‌کند.

• ‫TranslateLanguage اکنون به‌جای برچسب‌های زبان (مثل .en) از نام‌های خوانا (مثل .english) برای ثابت‌هایش استفاده می‌کند.

در اینجا چند نمونه از روش‌های قدیمی و جدید Swift 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 روش‌های 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 میانای برنامه‌سازی کاربردی

تشخیص و ردیابی اشیا

اگر برنامه‌تان از طبقه‌بندی اشیا استفاده می‌کند، توجه داشته باشید که کیت توسعه نرم‌افزار جدید نحوه برگرداندن دسته طبقه‌بندی برای اشیای شناسایی‌شده را تغییر داده است.

‫VisionObjectCategory در VisionObject به‌جای عدد صحیح، به‌عنوان text در شیء ObjectLabel برگردانده می‌شود. همه دسته‌های رشته‌ای ممکن در شمارش DetectedObjectLabel گنجانده شده است.

توجه داشته باشید که دسته .unknown برداشته شده است. وقتی اطمینان طبقه‌بندی شیء پایین باشد، طبقه‌بند هیچ برچسبی برنمی‌گرداند.

در اینجا نمونه‌ای از کد سوئیفت قدیمی و جدید 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 نمونه‌ای از کد 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]) {
  ...
}

برداشتن وابستگی‌های Firebase

وابستگی‌های Firebase را پس‌از انتقال بردارید. این مراحل را دنبال کنید:

• با حذف فایل GoogleService-Info.plist از فهرست راهنمای برنامه و پروژه Xcode، فایل پیکربندی Firebase را بردارید.
• هر cocoapod مربوط به Firebase، مثل pod 'Firebase/Analytics'، را از Podfile بردارید.
• هرگونه مقداردهی اولیه FirebaseApp، مانند FirebaseApp.configure() را از کدتان بردارید.
• برنامه Firebase خود را در کنسول Firebase طبق دستورالعمل‌های سایت پشتیبانی Firebase حذف کنید.

دریافت راهنمایی

اگر با مشکلی مواجه شدید، لطفاً صفحه انجمن ما را بررسی کنید که در آن کانال‌های موجود برای تماس با ما را شرح داده‌ایم.