O documento apresenta o ML Kit da Google, uma biblioteca que facilita a adição de recursos de machine learning em aplicativos Android. Ele discute como configurar e usar funcionalidades como reconhecimento de texto, rosto e código de barras, bem como hospedar e fazer inferência com modelos personalizados. Exemplos de código demonstram como integrar o ML Kit em um aplicativo para classificar imagens.
12. Mas e se meu caso de uso for
diferente ou eu já possuo um
modelo treinado?
13. Modelos customizados!
● Hospedagem de modelos Tensorflow Lite
● Fluxo de inferência utilizando o SDK
● Mecanismo de “fallback”
● Atualizações automáticas
18. Criar um FirebaseVisionImage
val bitmap = ... // Obter imagem de arquivo, câmera, url, etc
val firebaseVisionImage = FirebaseVisionImage.fromBitmap(bitmap)
19. Obter o FirebaseVisionLabelDetector
val options = FirebaseVisionLabelDetectorOptions.Builder()
.setConfidenceThreshold(0.8f)
.build()
val firebaseVision = FirebaseVision.getInstance()
val detector = firebaseVision.getVisionLabelDetector(options)
24. Conclusões
● O MLKit facilita o processo de desenvolvimento
● Setup e utilização são simples
● Novos casos de uso através de modelos customizados
● Funciona bem, mas ainda está em beta