باستخدام واجهات برمجة التطبيقات لتصنيف الصور في حزمة تعلّم الآلة، يمكنك رصد المعلومات واستخراجها عن الكيانات في صورة ضمن مجموعة كبيرة من الفئات. يمكن لنموذج تصنيف الصور التلقائي التعرّف على العناصر والأماكن والأنشطة والأنواع الحيوانية والمنتجات العامة وغير ذلك.
يمكنك أيضًا استخدام نموذج مخصّص لتصنيف الصور لتخصيص عملية الرصد لحالة استخدام معيّنة. لمزيد من المعلومات، يُرجى الاطّلاع على مقالة استخدام نموذج LiteRT مخصّص.
الإمكانات الرئيسية
- مصنِّف أساسي قوي للأغراض العامة يتعرّف على أكثر من 400 فئة تصف العناصر الأكثر شيوعًا في الصور.
- التخصيص حسب حالة الاستخدام باستخدام النماذج المخصّصة يمكنك استخدام نماذج أخرى مُدرَّبة مسبقًا من TensorFlow Hub أو نموذجك المخصّص الذي تم تدريبه باستخدام TensorFlow أو AutoML أو LiteRT.
- واجهات برمجة تطبيقات عالية المستوى سهلة الاستخدام ما مِن حاجة للتعامل مع إدخال/إخراج النماذج منخفض المستوى أو المعالجة المسبقة واللاحقة للصور أو إنشاء مسار معالجة. تستخرج حزمة تعلّم الآلة التصنيفات من نموذج LiteRT وتوفّرها كوصف نصي.
يُرجى العِلم أنّ واجهة برمجة التطبيقات هذه مخصّصة لنماذج تصنيف الصور التي تصف الصورة الكاملة. لتصنيف عنصر واحد أو أكثر في صورة، مثل الأحذية أو قطع الأثاث، قد تكون واجهة برمجة التطبيقات لرصد العناصر وتتبُّعها خيارًا أفضل.
نماذج تصنيف الصور المتوافقة
تتيح واجهات برمجة التطبيقات لتصنيف الصور استخدام نماذج مختلفة لتصنيف الصور:
| نماذج تصنيف الصور المتوافقة | |
|---|---|
| النموذج الأساسي | تستخدم واجهة برمجة التطبيقات تلقائيًا نموذجًا قويًا للأغراض العامة لتصنيف الصور يتعرّف على أكثر من 400 كيانًا تغطي المفاهيم الأكثر شيوعًا في الصور. |
| نماذج LiteRT المخصّصة | للاستهداف مفاهيم خاصة بالتطبيق، تقبل واجهة برمجة التطبيقات نماذج مخصّصة لتصنيف الصور من مجموعة كبيرة من المصادر. يمكن أن تكون هذه النماذج مُدرَّبة مسبقًا تم تنزيلها من TensorFlow Hub أو نماذجك الخاصة التي تم تدريبها باستخدام AutoML أو LiteRT أو TensorFlow نفسه. يمكن تجميع النماذج مع تطبيقك أو استضافتها باستخدام Cloud Storage وتنزيلها في وقت التشغيل. |
استخدام النموذج الأساسي
يعرض النموذج الأساسي في حزمة تعلّم الآلة قائمة بالكيانات التي تحدّد الأشخاص والأشياء والأماكن والأنشطة وما إلى ذلك. يأتي كل كيان مصحوبًا بنتيجة تشير إلى مدى ثقة نموذج تعلّم الآلة في مدى ملاءمته. باستخدام هذه المعلومات، يمكنك تنفيذ مهام، مثل إنشاء البيانات الوصفية تلقائيًا والإشراف على المحتوى. يتعرّف النموذج التلقائي المتوفّر مع حزمة تعلّم الآلة على أكثر من 400 كيان مختلف.
أمثلة للتصنيفات
يتيح النموذج الأساسي في واجهة برمجة التطبيقات لتصنيف الصور استخدام أكثر من 400 تصنيف، مثل الأمثلة التالية:
| الفئة | أمثلة للتصنيفات |
|---|---|
| الأشخاص | CrowdSelfieSmile |
| الأنشطة | DancingEatingSurfing |
| الأشياء | CarPianoReceipt |
| حيوانات | BirdCatDog |
| نباتات | FlowerFruitVegetable |
| أماكن | BeachLakeMountain |
أمثلة النتائج
في ما يلي مثال على الكيانات التي تم التعرّف عليها في الصورة المرفقة.
| التصنيف 0 | |
|---|---|
| Text | استاد |
| مستوى الموثوقية | 0.9205354 |
| التصنيف 1 | |
| Text | رياضة |
| مستوى الموثوقية | 0.7531109 |
| التصنيف 2 | |
| Text | الحدث |
| مستوى الموثوقية | 0.66905296 |
| التصنيف 3 | |
| Text | وقت الفراغ |
| مستوى الموثوقية | 0.59904146 |
| التصنيف 4 | |
| Text | كرة القدم |
| مستوى الموثوقية | 0.56384534 |
| التصنيف 5 | |
| Text | الصافي |
| مستوى الموثوقية | 0.54679185 |
| التصنيف 6 | |
| Text | نبتة |
| مستوى الموثوقية | 0.524364 |
استخدام نموذج LiteRT مخصّص
تم تصميم النموذج الأساسي لتصنيف الصور في حزمة تعلّم الآلة للاستخدام العام. تم تدريبه على التعرّف على 400 فئة تصف العناصر الأكثر شيوعًا في الصور. قد يحتاج تطبيقك إلى نموذج متخصص لتصنيف الصور يتعرّف على عدد أقل من الفئات بتفصيل أكبر، مثل نموذج يميّز بين أنواع الزهور أو أنواع الطعام.
تتيح لك واجهة برمجة التطبيقات هذه التخصيص لحالة استخدام معيّنة من خلال إتاحة استخدام نماذج مخصّصة لتصنيف الصور من مجموعة كبيرة من المصادر. يُرجى الرجوع إلى مقالة النماذج المخصّصة باستخدام حزمة تعلّم الآلة لمزيد من المعلومات. يمكن تجميع النماذج المخصّصة مع تطبيقك أو تنزيلها ديناميكيًا من Cloud Storage.
المعالجة المسبقة للصورة المدخَلة
إذا لزم الأمر، تستخدِم ميزة "تصنيف الصور" تغيير حجم الصورة وتمديدها باستخدام طريقة التوسيع الثنائي الخطي لتعديل حجم الصورة المدخَلة ونسبة العرض إلى الارتفاع بما يتناسب مع متطلبات النموذج الأساسي.