ML工具包图像标注的改进

Question

我正在尝试通过相机使用ML-Kit图像标签来检测手中持有的物品。例如，如果我给它看一瓶汽水，它可以拾取物体，比如手，脸，背景等等……我不感兴趣的东西，然后找不到手中的对象，即使在.25最小精度使用云视觉。

有没有一种方法可以限制视觉寻找的东西，或者另一种方法来提高准确性？

PS:如果这项任务有更好的东西，我也愿意更换API。

//This is mostly from a google tutorial 
private fun runCloudImageLabeling(bitmap: Bitmap) {
    //Create a FirebaseVisionImage
    val image = FirebaseVisionImage.fromBitmap(bitmap)

    val detector = FirebaseVision.getInstance().visionCloudLabelDetector

    //Use the detector to detect the labels inside the image
    detector.detectInImage(image)
            .addOnSuccessListener {
                // Task completed successfully
                progressBar.visibility = View.GONE
                itemAdapter.setList(it)
                sheetBehavior.setState(BottomSheetBehavior.STATE_EXPANDED)
            }
            .addOnFailureListener {
                // Task failed with an exception
                progressBar.visibility = View.GONE
                Toast.makeText(baseContext, "Sorry, something went wrong!", Toast.LENGTH_SHORT).show()
            }
}

能够以高精度检测手中的内容。

Answer 1

Firebase ML Kit使用的内置对象检测模型中没有控制准确性的设置。

如果您想要更精确的检测，您有两个选择：

1. 调用了Cloud Vision，这是一种服务器端应用编程接口，可以检测更多的对象类别，并且通常具有更高的准确性。这是一个付费的API，但它是有免费配额的。这是详细信息的comparison page in the documentation。
2. 训练你自己的模型，更好地装备你关心的图像类型。然后您可以在您的应用程序中使用use this custom model以获得更好的准确性。

Answer 2

ML工具包提供了可用于定位对象的Object Detection & Tracking API。

该API允许您过滤突出的对象(靠近取景器的中心)，即示例中的苏打罐。API返回对象周围的边界框，您可以使用它来裁剪并随后通过图像标签API对其进行馈送。这允许您过滤掉所有不相关的背景和/或其他对象。