מקרה לדוגמה אבדו! משתמשים ב-ML Kit כדי
לחלץ נתונים מתוויות התזונה
ולשפר את חוויית המשתמש
לחלץ נתונים מתוויות התזונה
ולשפר את חוויית המשתמש
![](https://google-developers.gonglchuangl.net/static/ml-kit/images/case-studies/lose-it/lose_it-1.png?authuser=0&%3Bhl=he&hl=he)
מאז 2008, Lose It! עזר ליותר מ-30 מיליון אנשים להפסיד יותר מ-50 מיליון פאונד. האפליקציה עוזרת למשתמשים לנהל את התזונה שלהם בקלות רבה ככל האפשר, וצוותי המוצר תמיד מחפשים דרכים חדשות לפשט את הדברים.
הצוות שמאחורי ה-Los It! התחיל להשתמש ב-Snap It, אלגוריתם של זיהוי אובייקטים, שעוזר למשתמשים לרשום את המאכלים האהובים עליהם פשוט על ידי צילום תמונה. אבל עלות החישוב הגבוהה של האלגוריתם גרמה לשימוש בשרת של GPU, כך שהם לא הפכו את החוויה לזמין בזמן אמת.
באותה תקופה, הצוות רצה גם להוסיף תכונה לסריקת תוויות תזונתיות, אבל זמן ניתוח השרת היה מהיר יותר רק אם המשתמש הזין את המידע בעצמו. בנוסף, כיוון שהמהירות והאותות של הרשת הסלולרית היו יכולים להשתנות או לפגוע בחוויית המשתמש, הם לא הצליחו להבטיח ביצועים עקביים.
בכל מקרה, הצוות 'לאבד את זה' יודע ששניהם יאהבו את שתי התכונות האלה, אבל רק אם הם יוכלו לעבוד מהר מספיק כדי להציע את החוויה בזמן אמת. מה הוא יכול לעשות כדי לזרז את העניינים?
![](https://google-developers.gonglchuangl.net/static/ml-kit/images/case-studies/lose-it/lose_it-2.png?authuser=0&%3Bhl=he&hl=he)
מה עשתה החברה
הצוות פנה ללמידת מכונה (ML Kit) כדי לפתור את בעיות המהירות. "מכונת ה-ML Kit הוכיחה את עצמה שימושית ביותר לפריסת התכונה של זיהוי אוכל, Snap It, באמצעות מודלים דחוסים וכימים של TF Lite", אומר אדוארד ו. לואאו, ג'וניור דוקטורט, מנהל תחום מדעי הנתונים ו-AI ב-לוס! בעבר, האלגוריתם של Snap It נפרס על שרת וכתוצאה מכך בוצעה העברה של תמונת מזון לשרת לצורך הסקת מסקנות. ""מודל מותאם אישית שמתארח ב-ML Kit מאפשר לנו להטמיע במודל Snap IT כמויות כמותיות במכשיר, וכך המשתמשים שלנו יכולים להשתמש בתכונה הזו בזמן אמת בלי צורך בחיבור נתונים", אומר לו. "בעזרת ה-API לזיהוי טקסט במכשיר, הצלחנו לקצר משמעותית את זמן הניתוח של הוספת תמונות לקריאת ערכים תזונתיים".
"חשוב לדעת: למידת המכונה של ML מאפשרת לנו לארח מודלים ב-Firebase", הוסיף לוס. "כך אנחנו יכולים לעדכן בקלות מודלים במכשיר בלי לעדכן את האפליקציה, להקטין את גודל האפליקציה ולאפשר לנו לבדוק גרסאות של ניסויי A/B. ניתוק פריסת המודל מגרסת האפליקציה מאפשר לנו להגיב במהירות לשינויים בהתנהגות המשתמשים ולהתמודד טוב יותר עם דריפט".
![](https://google-developers.gonglchuangl.net/static/ml-kit/images/vision/case_study-lose_it.png?authuser=0&%3Bhl=he&hl=he)
תוצאות
הודות ל-ML Kit, לווסת! הייתה אפשרות להשיק קורא תוויות תזונה בעל ביצועים גבוהים. עכשיו המשתמשים יכולים פשוט לסרוק תווית תזונתית כדי למלא מידע על תזונה של מזון חדש באופן מיידי. בנוגע לסורק של תוויות תזונה, המידע מזוהה בפחות משנייה אחת ברוב המקרים. המשתמש אפילו לא צריך לצלם תמונה – האפליקציה יכולה לשלוף את המידע ישירות מתצוגת המצלמה בזמן אמת.