Firebase ML Kit: Nhận dạng mốc (Landmark Recognition) trong Android

Đăng bởi: Admin | Lượt xem: 1475 | Chuyên mục: Android

Với API Landmark Recognition của ML Kit, bạn có thể nhận được các mốc được nhận dạng trong hình ảnh cùng với tọa độ địa lý của chúng.


1. Tổng quan

Landmark Recognition là quá trình nhận ra các mốc phổ biến trong một hình ảnh.

Nhiều gã khổng lồ truyền thông xã hội sử dụng công nghệ nhận dạng mốc này trong ứng dụng của họ để biết và hiểu người dùng của họ hơn. Nó cũng giúp họ cung cấp trải nghiệm độc đáo và được cá nhân hóa cho người dùng của họ. Do đó, cải thiện trải nghiệm người dùng tổng thể.

Với API nhận dạng Landmark của ML Kit, bạn có thể nhận được các mốc được nhận dạng trong hình ảnh cùng với tọa độ địa lý của chúng

2. Landmark Recognition với ML Kit

API nhận dạng Landmark của ML Kit là API dựa trên đám mây và yêu cầu dự án Android của bạn phải được nâng cấp lên Blaze.

Với API nhận dạng Landmark của ML Kit, bạn có thể nhận được thông tin sau về các mốc từ một hình ảnh.

3. Cài đặt

Bước 1: Thêm Firebase vào ứng dụng của bạn

Bạn có thể thêm Firebase vào ứng dụng của mình bằng cách làm theo các bước được đề cập ở đây .

Bước 2: Thêm các phụ thuộc

Bạn cần thêm các phụ thuộc ML Kit tệp build.gradle

dependencies {
  // ...
  implementation 'com.google.firebase:firebase-ml-vision:19.0.2'
}

 

Bước 3: 

ML Kit cung cấp một cách dễ dàng để phát hiện mã vạch từ nhiều loại hình ảnh thích Bitmapmedia.ImageByteBufferbyte[], hoặc một tập tin trên thiết bị. Bạn chỉ cần tạo một đối tượng FirebaseVisionImage từ các loại hình ảnh được đề cập ở trên và chuyển nó vào mô hình.

Trong ví dụ này, ta sử dụng Bitmap để tạo đối tượng  FirebaseVisionImage

val image = FirebaseVisionImage.fromBitmap(bitmap)

Để tạo FirebaseVisionImageđối tượng từ các loại hình ảnh khác, vui lòng tham khảo tài liệu 

Bước 4:

 Chuẩn bị mô hình Landmark Recognition 

val detector = FirebaseVision.getInstance().visionCloudLandmarkDetector

 

Theo mặc định, API nhận dạng mốc sử dụng STABLEp của mô hình và trả về không quá 10 mốc.

Bạn có thể thay đổi cấu hình này bằng cách chuyển một đối tượng FirebaseVisionCloudDetectorOptions đến mô hình nhận dạng mốc

val options = FirebaseVisionCloudDetectorOptions.Builder()
      .setModelType(FirebaseVisionCloudDetectorOptions.LATEST_MODEL)
      .setMaxResults(5)
      .build()

val detector = FirebaseVision.getInstance().getVisionCloudLandmarkDetector(options)

Bước 5: 

Cuối cùng, chúng ta có thể chuyển hình ảnh của mình cho mô hình Landmark Recognition.

detector.detectInImage(image)
        .addOnSuccessListener {
            // Task completed successfully
        }
        .addOnFailureListener {
            // Task failed with an exception
       

Bước 6: Trích xuất thông tin


Nếu nhận mốc thành công, ta sẽ nhận được một danh sách các FirebaseVisionCloudLandmark
Mỗi FirebaseVisionCloudLandmark đại diện cho một mốc được nhận dạng và chứa tất cả các thông tin liên quan đến nó.

Bạn có thể trích xuất tất cả thông tin như thế này.


for (landmark in landmarks) {
    val landmarkName = landmark.landmark
    val confidence = landmark.confidence

    // multiple locations are possible
    // e.g. the location of the depicted landmark and the location the picture was taken
    for (location in landmark.locations) {
        val latitude = location.latitude
        val longitude = location.longitude
    }
}

Kết quả

Mã nguồn đầy đủ:

https://github.com/hitanshu-dhawan/FirebaseMLKit/tree/master/app/src/main/java/com/hitanshudhawan/firebasemlkitexample/landmarkrecognition

vncoder logo

Theo dõi VnCoder trên Facebook, để cập nhật những bài viết, tin tức và khoá học mới nhất!



Khóa học liên quan

Khóa học: Android

Học Kotlin cơ bản
Số bài học:
Lượt xem: 16951
Đăng bởi: Admin
Chuyên mục: Android

Học lập trình Flutter cơ bản
Số bài học:
Lượt xem: 54359
Đăng bởi: Admin
Chuyên mục: Android

Lập trình Android cơ bản
Số bài học:
Lượt xem: 21992
Đăng bởi: Admin
Chuyên mục: Android