머신러닝에 관심이 있지만 경험이 많지 않나요? Google의 새로운 ML Kit SDK를 사용하면 기계 학습을 Android 또는 iOS 앱에 쉽게 통합할 수 있습니다.
기계 학습과 인공 지능은 최근 몇 년 동안 빠르게 우리 어휘집에 들어왔지만 기술이 어떻게 작동하는지, 무엇을 할 수 있는지 진정으로 이해하는 사람은 거의 없습니다. 구글 자체 AI 연구원들조차 머신러닝이 연금술과 비슷하다는 농담. 바쁜 개발자로서 머신러닝(ML)에 대해 배울 시간이 없을 수도 있지만 Google은 이로 인해 이점을 누리는 것을 방해하고 싶지 않습니다. 그 이유로 회사는 오늘 발표했습니다. ML 키트: 기계 학습에 대한 Google의 수년간의 연구를 모바일 앱 개발자가 사용하는 Firebase 패키지에 통합한 새로운 SDK입니다. iOS와 안드로이드 모두 앱을 향상하는 데 사용할 수 있습니다.
만약 너라면 머신러닝에 대해 아무것도 모른다, 걱정하지 마세요. 사전 ML 배경 지식이 필요하지 않습니다.. 아마도 여러분은 얼굴 감지 및 이미지 인식과 같은 기술의 실제 적용 사례에 익숙할 것입니다. Google의 ML Kit는 알고리즘 작동 방식을 이해할 필요 없이 앱이 ML의 실제 사용으로부터 이점을 얻을 수 있기를 원합니다. ML을 이해하고 있거나 배우려는 의지가 있다면 ML Kit를 활용할 수도 있습니다.
ML Kit를 사용한 초보자를 위한 머신러닝
Google의 새로운 ML용 Firebase SDK는 모바일에서 가장 일반적인 사용 사례에 대해 5가지 API를 제공합니다.
- 텍스트 인식
- 얼굴 인식
- 바코드 스캐닝
- 이미지 라벨링
- 랜드마크 인식
사용자가 해야 할 일은 데이터를 API에 전달하고 SDK가 응답을 반환하는 것뿐입니다. 그렇게 간단합니다. ML 사용의 몇 가지 예로는 연주하는 음을 해석하고 음악에 에코/잡음 제거를 적용하는 음악 애플리케이션이 있습니다. 또 다른 예로는 칼로리 계산 앱의 영양 라벨에 대한 광학 문자 인식(OCR)이 있을 수 있습니다.
사용 가능한 기본 API 목록은 다음과 같은 스마트 응답 API를 포함하도록 앞으로 몇 달 내에 확장될 예정입니다. 안드로이드 P 얼굴 인식 API에 고밀도 얼굴 윤곽선이 추가되었습니다.
숙련된 사용자를 위한 ML Kit
약간의 사전 배경 지식이 있으면 사용자 정의를 배포할 수도 있습니다. 텐서플로우 라이트 모델. 모델을 Firebase 콘솔에 업로드하기만 하면 모델을 Firebase 콘솔에 번들로 묶는 것에 대해 걱정할 필요가 없습니다. APK(따라서 파일 크기 감소) ML Kit는 모델을 동적으로 제공하므로 모델을 다시 게시하지 않고도 모델을 업데이트할 수 있습니다. 앱.
더 좋은 점은 Google이 자동으로 전체 TensorFlow 모델을 TensorFlow Lite로 압축한다는 것입니다. 파일 크기를 줄이고 제한된 데이터 연결에서 더 많은 사람들이 즐길 수 있도록 보장하는 모델입니다. 앱.
온디바이스 및 클라우드 API
ML Kit는 기기 내 API와 Cloud API를 모두 제공합니다. 온디바이스 API는 네트워크 연결 없이 데이터를 처리합니다(예: Android Oreo의 텍스트 선택 기능) Cloud API는 Google Cloud Platform을 사용하여 데이터를 더 정확하게 처리합니다.
ML Kit는 Android와 iOS 모두에서 작동하며 특히 Android에서 Ice Cream Sandwich와 같은 오래된 Android 버전을 실행하는 기기에서 작동합니다. 사용자가 실행중인 경우 안드로이드 8.1 오레오 이상인 경우 ML Kit는 이미 존재하는 Neural Networks API 덕분에 더 나은 성능을 제공합니다. 다음과 같은 특수 하드웨어가 있는 칩셋이 있는 장치의 경우 퀄컴 스냅드래곤 845 (그리고 Hexagon DSP) 아니면 그 하이실리콘 기린 970 (및 해당 신경 처리 장치) 장치 내 처리가 가속화됩니다. 구글은 온디바이스 인식을 개선하기 위해 SoC 공급업체와 협력하고 있다고 밝혔습니다.
결론
시작하려는 개발자는 다음에서 새로운 SDK를 찾아야 합니다. Firebase 콘솔. 에 피드백을 남길 수 있습니다. Firebase용 Google 그룹.
TensorFlow 모델 압축을 위해 Google의 알고리즘을 사용해 보려는 ML 경험이 있는 개발자는 다음을 수행할 수 있습니다. 여기에서 가입하세요. 마지막으로 확인해 보세요. Firebase 원격 구성 여러 사용자 정의 모델을 실험하고 싶다면; 이를 통해 모델 값을 동적으로 전환하고, 모집단 세그먼트를 만들고, 여러 모델을 병렬로 실험할 수 있습니다.