Geïnteresseerd in machine learning, maar nog niet veel ervaring? Met de nieuwe ML Kit SDK van Google kunt u machine learning eenvoudig integreren in uw Android- of iOS-app.
Machine learning en kunstmatige intelligentie zijn de afgelopen jaren snel in ons lexicon terechtgekomen, maar slechts weinigen begrijpen echt hoe de technologie werkt, of waartoe ze in staat zijn. Zelfs Google's eigen AI-onderzoekers grap dat machinaal leren verwant is aan alchemie. Als drukke ontwikkelaar heb je misschien niet de tijd om meer te leren over machine learning (ML), maar Google wil niet dat dit je ervan weerhoudt de vruchten te plukken. Om die reden maakt het bedrijf vandaag bekend ML-kit: een nieuwe SDK die jaren werk van Google op het gebied van machine learning integreert in een Firebase-pakket waar ontwikkelaars van mobiele apps op kunnen werken zowel iOS als Android kunnen gebruiken om hun apps te verbeteren.
als jij weet niets van machinaal leren, maak je dan geen zorgen: U hebt geen voorafgaande ML-achtergrondkennis nodig
. U bent waarschijnlijk bekend met enkele toepassingen van de technologie in de echte wereld, zoals gezichtsdetectie en beeldherkenning. De ML Kit van Google wil dat uw app profiteert van het echte gebruik van ML zonder dat u hoeft te begrijpen hoe het algoritme werkt. En als u ML begrijpt of bereid bent het te leren, kunt ook u profiteren van ML Kit.Machine Learning voor beginners met ML Kit
De nieuwe Firebase SDK voor ML van Google biedt vijf API's voor enkele van de meest voorkomende gebruiksscenario's op mobiel:
- Tekstherkenning
- Gezichtsherkenning
- Scannen van streepjescodes
- Etikettering van afbeeldingen
- Herkenning van monumenten
Het enige dat u hoeft te doen, is gegevens doorgeven aan de API en de SDK retourneert een antwoord. Het is zo simpel. Enkele voorbeelden van ML-gebruik zijn onder meer muziektoepassingen die interpreteren welke noten u speelt en echo-/ruisonderdrukking op uw muziek toepassen. Een ander voorbeeld zou optische tekenherkenning (OCR) kunnen zijn voor voedingsetiketten voor apps voor het tellen van calorieën.
De lijst met beschikbare basis-API's zal de komende maanden worden uitgebreid met een slimme antwoord-API Android P en een gezichtscontourtoevoeging met hoge dichtheid aan de gezichtsdetectie-API.
ML Kit voor ervaren gebruikers
Als u al enige achtergrondkennis heeft, kunt u ook uw eigen custom inzetten TensorFlow Lite modellen. Het enige wat u hoeft te doen is uw model naar de Firebase-console te uploaden, zodat u zich geen zorgen hoeft te maken over het bundelen van het model in uw APK (waardoor de bestandsgrootte wordt verkleind.) ML Kit bedient uw model dynamisch, zodat u uw modellen kunt bijwerken zonder uw model opnieuw te publiceren app.
Nog beter is dat Google automatisch volledige TensorFlow-modellen comprimeert in een TensorFlow Lite model, dat de bestandsgrootte verkleint en ervoor zorgt dat meer mensen met beperkte dataverbindingen van uw kunnen genieten app.
API's op het apparaat en in de cloud
ML Kit biedt zowel on-device- als cloud-API's. De API op het apparaat verwerkt gegevens zonder netwerkverbinding (zoals De tekstselectiefunctie van Android Oreo) terwijl de Cloud API's Google Cloud Platform gebruiken om gegevens te verwerken voor meer nauwkeurigheid.
ML Kit werkt op zowel Android als iOS, en op Android werkt het in het bijzonder met apparaten met Android-versies zo oud als Ice Cream Sandwich. Als de gebruiker actief is Android 8.1 Oreo en hoger, dan zal ML Kit betere prestaties bieden dankzij de Neural Networks API die al aanwezig is. Op apparaten met chipsets die over gespecialiseerde hardware beschikken, zoals de Qualcomm Leeuwebek 845 (en zijn zeshoekige DSP) of de HiSilicon Kirin 970 (en de Neural Processing Unit) zal de verwerking op het apparaat worden versneld. Google zegt dat ze samenwerken met SoC-leveranciers om ook de herkenning op het apparaat te verbeteren.
Conclusie
Ontwikkelaars die aan de slag willen gaan, moeten de nieuwe SDK zoeken in de Firebase-console. U kunt feedback achterlaten in de Google-groep voor Firebase.
Ontwikkelaars met ervaring in ML die het algoritme van Google voor het comprimeren van TensorFlow-modellen willen uitproberen, kunnen dat doen Registreer hier. Kijk ten slotte eens naar de Firebase externe configuratie als je wilt experimenteren met meerdere aangepaste modellen; Hiermee kunt u dynamisch van modelwaarden wisselen, populatiesegmenten maken en parallel met verschillende modellen experimenteren.