تنظيم صفحاتك في مجموعات يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.

رصد العناصر وتتبّعها

من خلال واجهة برمجة التطبيقات الخاصة بميزة "اكتشاف العناصر" و"تتبُّع العناصر" ضمن حزمة ML Kit، يمكنك رصد العناصر في صورة أو خلاصة كاميرا مباشرة وتتبُّعها.

اختياريًا، يمكنك تصنيف العناصر التي تم اكتشافها، إما باستخدام أداة التصنيف التقريبية المضمّنة في واجهة برمجة التطبيقات، أو باستخدام نموذج تصنيف الصور المخصص. راجِع استخدام نموذج TensorFlow Lite المخصّص للاطّلاع على مزيد من المعلومات.

ونظرًا لحدوث اكتشاف العناصر وتتبعها على الجهاز، يعمل ذلك بشكل جيد للواجهة الأمامية لمسار البحث المرئي. بعد اكتشاف العناصر وفلترتها، يمكنك تمريرها إلى خلفية على السحابة الإلكترونية، مثل Cloud Vision Product Search.

نظام التشغيل iOS نظام التشغيل Android

الإمكانات الأساسية

  • التعرّف السريع على العناصر وتتبّعها يمكنك اكتشاف العناصر وعرض أماكنها في الصورة. تتبّع العناصر عبر إطارات الصور المتتالية.
  • النموذج المحسّن على الجهاز: تم تحسين نموذج رصد العناصر وتتبّعها على الأجهزة الجوّالة ومصمّم للاستخدام في التطبيقات في الوقت الفعلي، حتى على الأجهزة ذات المواصفات المنخفضة.
  • رصد الكائنات البارزة يمكنك تحديد العنصر الأكثر بروزًا في الصورة تلقائيًا.
  • التصنيف التقريبي تصنيف العناصر إلى فئات عامة، والتي يمكنك استخدامها لفلترة العناصر التي لا تهمك. الفئات التالية متاحة: السلع المنزلية، وأزياء الموضة، والطعام، والنباتات، والأماكن.
  • التصنيف باستخدام نموذج مخصّص يمكنك استخدام نموذج مخصّص لتصنيف الصور لتحديد فئات عناصر معيّنة أو فلترتها. تحسين النموذج المخصّص من خلال استبعاد خلفية الصورة

أمثلة النتائج

تتبُّع العنصر الأكثر بروزًا في جميع الصور

يوضح المثال التالي بيانات التتبع من ثلاثة إطارات متعاقبة مع المُصنِّف التلقائي التقريبي الذي توفره ML Kit.

الرقم التعريفي للتتبع 0
ربطات (95، 45)، (496، 45)، (496، 240)، (95، 240)
الفئة المكان
ثقة التصنيف 0.9296875
الرقم التعريفي للتتبع 0
ربطات (84، 46)، (478، 46)، (478، 247)، (84، 247)
الفئة المكان
ثقة التصنيف 0.8710938
الرقم التعريفي للتتبع 0
ربطات (53، 45)، (519، 45)، (519، 240)، (53، 240)
الفئة المكان
ثقة التصنيف 0.8828125

الصورة: كريستيان فيرير [CC BY-SA 4.0]

عناصر متعددة في صورة ثابتة

يعرض المثال أدناه بيانات العناصر الأربعة التي تم رصدها في الصورة باستخدام المصنِّف التلقائي التقريبي الذي توفّره حزمة تعلّم الآلة.

الكائن 0
ربطات (1، 97)، (332، 97)، (332، 332)، (1، 332)
الفئة الموضة_الأزياء
ثقة التصنيف 0.95703125
الكائن 1
ربطات (186، 80)، (337، 80)، (337، 226)، (186، 226)
الفئة الموضة_الأزياء
ثقة التصنيف 0.84375
الكائن 2
ربطات (296، 80)، (472، 80)، (472، 388)، (296، 388)
الفئة الموضة_الأزياء
ثقة التصنيف 0.94921875
الكائن 3
ربطات (439، 83)، (615، 83)، (615، 306)، (439، 306)
الفئة الموضة_الأزياء
ثقة التصنيف 0.9375

استخدام نموذج TensorFlow Lite المخصّص

تم إنشاء المصنِّف التقريبي لخمس فئات، ما يوفر معلومات محدودة عن العناصر التي تم رصدها. قد تحتاج إلى نموذج مصنّف أكثر تخصصًا يغطي نطاقًا أضيق من المفاهيم بمزيد من التفصيل. على سبيل المثال، نموذج للتمييز بين أنواع الزهور أو أنواع الطعام.

تتيح لك واجهة برمجة التطبيقات هذه تخصيص حالة استخدام معيّنة من خلال إتاحة نماذج تصنيف الصور المخصّصة من مجموعة واسعة من المصادر. يُرجى الرجوع إلى النماذج المخصّصة باستخدام حزمة تعلّم الآلة للاطّلاع على مزيد من المعلومات. يمكن تجميع النماذج المخصّصة مع تطبيقك أو تنزيلها ديناميكيًا من السحابة الإلكترونية باستخدام خدمة تعلُّم الآلة في نموذج Firebase.

نظام التشغيل iOS نظام التشغيل Android

المعالجة المُسبقة للصور التي تم إدخالها

إذا لزم الأمر، تستخدم ميزة "تتبُّع العناصر" وتتبُّعها حجم الصور الثنائية الأبعاد وتوسعها لضبط حجم صورة الإدخال ونسبة العرض إلى الارتفاع بحيث تتناسب مع متطلبات النموذج الأساسي.