برچسب‌گذاری تصویر

قابلیت‌های کلیدی

• طبقه‌بند پایه قدرتمند چندمنظوره بیش‌از ۴۰۰ دسته را که رایج‌ترین اشیای موجود در عکس‌ها را توصیف می‌کنند تشخیص می‌دهد.
• با مدل‌های سفارشی، برای مورد استفاده خودتان سفارشی‌سازی کنید از مدل‌های ازپیش آموزش‌دیده دیگر از TensorFlow Hub یا مدل سفارشی خودتان که با TensorFlow،‏ AutoML، یا LiteRT آموزش دیده است استفاده کنید.
• میاناهای برنامه‌سازی کاربردی سطح بالا با کاربری آسان نیازی به کار با ورودی/خروجی مدل سطح پایین، پیش‌پردازش و پس‌پردازش تصویر، یا ساختن خط لوله پردازش نیست. ‫ML Kit برچسب‌ها را از مدل LiteRT استخراج می‌کند و آن‌ها را به‌صورت شرح نوشتاری ارائه می‌دهد.

توجه داشته باشید که این «میانای برنامه‌سازی کاربردی» برای مدل‌های طبقه‌بندی تصویر درنظر گرفته شده است که تصویر کامل را توصیف می‌کنند. برای طبقه‌بندی یک یا چند شیء در تصویر، مثل کفش یا قطعات مبلمان، ممکن است API تشخیص و ردیابی شیء گزینه بهتری باشد.

مدل‌های طبقه‌بندی تصویر پشتیبانی‌شده

«میاناهای برنامه‌سازی کاربردی برچسب‌گذاری تصویر» از مدل‌های طبقه‌بندی تصویر مختلفی پشتیبانی می‌کند:

مدل‌های طبقه‌بندی تصویر پشتیبانی‌شده
مدل پایه	به‌طور پیش‌فرض، API از مدل برچسب‌گذاری تصویر قدرتمند و چندمنظوره‌ای استفاده می‌کند که بیش‌از ۴۰۰ نهاد را که رایج‌ترین مفاهیم موجود در عکس‌ها را پوشش می‌دهند تشخیص می‌دهد.
مدل‌های LiteRT سفارشی	برای هدف‌یابی مفاهیم خاص برنامه، «میانای برنامه‌سازی کاربردی» مدل‌های طبقه‌بندی تصویر سفارشی را از طیف وسیعی از منابع می‌پذیرد. این‌ها می‌توانند مدل‌های ازپیش‌آموزش‌دیده بارگیری‌شده از TensorFlow Hub یا مدل‌های خودتان باشند که با AutoML،‏ LiteRT، یا خود TensorFlow آموزش داده شده‌اند. مدل‌ها می‌توانند همراه با برنامه شما دسته‌بندی شوند یا با Cloud Storage میزبانی شوند و در زمان اجرا بارگیری شوند.

استفاده از مدل پایه

مدل پایه ML Kit فهرستی از نهادها را برمی‌گرداند که افراد، چیزها، مکان‌ها، فعالیت‌ها، و غیره را شناسایی می‌کند. هر نهاد دارای امتیازی است که نشان می‌دهد مدل یادگیری ماشین چقدر به مرتبط بودن آن اطمینان دارد. با این اطلاعات، می‌توانید کارهایی مانند تولید خودکار فراداده و تعدیل محتوا را انجام دهید. مدل پیش‌فرض ارائه‌شده با ML Kit بیش‌از ۴۰۰ نهاد مختلف را تشخیص می‌دهد.

iOS Android

برچسب‌های نمونه

مدل پایه در «میانای برنامه‌سازی کاربردی برچسب‌گذاری تصویر» از بیش‌از ۴۰۰ برچسب پشتیبانی می‌کند، مثل نمونه‌های زیر:

دسته	برچسب‌های نمونه
افراد	Crowd Selfie Smile
فعالیت‌ها	Dancing Eating Surfing
چیزها	Car Piano Receipt
حیوانات	Bird Cat Dog
گیاهان	Flower Fruit Vegetable
مکان‌ها	Beach Lake Mountain

نتایج نمونه

در اینجا نمونه‌ای از نهادهایی که در عکس همراه تشخیص داده شده‌اند ارائه شده است.

برچسب ۰
نوشتاری	استادیوم
اطمینان	۰.۹۲۰۵۳۵۴
برچسب ۱
نوشتار	ورزشگاه‌ها
اطمینان	۰.۷۵۳۱۱۰۹
برچسب ۲
نوشتاری	رویداد
اطمینان	۰٫۶۶۹۰۵۲۹۶
برچسب ۳
نوشتاری	اوقات فراغت
اطمینان	۰.۵۹۹۰۴۱۴۶
برچسب ۴
نوشتاری	فوتبال
اطمینان	0.56384534
برچسب ۵
نوشتار	خالص
اطمینان	0.54679185
برچسب ۶
نوشتار	گیاه
اطمینان	۰.۵۲۴۳۶۴

استفاده از مدل LiteRT سفارشی

مدل برچسب‌گذاری تصویر پایه ML Kit برای استفاده عمومی ساخته شده است. این مدل برای تشخیص ۴۰۰ دسته که رایج‌ترین اشیای موجود در عکس‌ها را توصیف می‌کنند آموزش داده شده است. برنامه شما ممکن است به مدل طبقه‌بندی تصویر تخصصی نیاز داشته باشد که تعداد دسته‌های کمتری را با جزئیات بیشتری تشخیص دهد، مثلاً مدلی که بین گونه‌های گل یا انواع غذا تمایز قائل شود.

این API با پشتیبانی از مدل‌های طبقه‌بندی تصویر سفارشی از طیف گسترده‌ای از منابع، به شما امکان می‌دهد برای مورد استفاده خاصی سفارشی‌سازی کنید. برای کسب اطلاعات بیشتر، به مدل‌های سفارشی با کیت یادگیری ماشین مراجعه کنید. مدل‌های سفارشی را می‌توان با برنامه‌تان بسته‌بندی کرد یا به‌طور پویا از Cloud Storage بارگیری کرد.

iOS Android

پیش‌پردازش تصویر ورودی

درصورت نیاز، «برچسب‌گذاری تصویر» از مقیاس‌بندی و کشش تصویر دوخطی برای تنظیم اندازه و نسبت ابعادی تصویر ورودی استفاده می‌کند تا با الزامات مدل زیرین مطابقت داشته باشد.