การย้ายข้อมูลสำหรับ Android

อัปเดตการนำเข้า Gradle

SDK ใหม่นี้ต้องการการอ้างอิงเพียงรายการเดียวสำหรับแต่ละ ML Kit API คุณไม่จำเป็นต้องระบุไลบรารีทั่วไป เช่น firebase-ml-vision หรือ firebase-ml-natural-language ML Kit ใช้เนมสเปซ com.google.android.gms สำหรับไลบรารีที่ขึ้นอยู่กับ Google Play Services

Vision API

ระบบจะส่งโมเดลแบบแพ็กเกจเป็นส่วนหนึ่งของแอปพลิเคชัน ต้องดาวน์โหลดโมเดลแบบบาง API บางรายการมีให้บริการทั้งในรูปแบบรวมและรูปแบบบาง ส่วน API อื่นๆ มีให้บริการในรูปแบบใดรูปแบบหนึ่งเท่านั้น

อัปเดตทรัพยากร Dependency สำหรับไลบรารี ML Kit สำหรับ Android ในไฟล์ Gradle ของโมดูล (ระดับแอป) (โดยปกติคือ app/build.gradle) ตามตารางต่อไปนี้

โมเดลที่รวมแพ็กเกจ

โมเดลแบบบาง

AutoMLVision Edge

Natural Language API

ระบบจะส่งโมเดลแบบแพ็กเกจเป็นส่วนหนึ่งของแอปพลิเคชัน ต้องดาวน์โหลดโมเดลขนาดเล็ก

อัปเดตทรัพยากร Dependency สำหรับไลบรารี ML Kit สำหรับ Android ในไฟล์ Gradle ของโมดูล (ระดับแอป) (โดยปกติคือ app/build.gradle) ตามตารางต่อไปนี้

โมเดลที่รวมแพ็กเกจ

โมเดลแบบบาง

อัปเดตชื่อชั้นเรียน

หากชั้นเรียนของคุณปรากฏในตารางนี้ ให้ทำการเปลี่ยนแปลงที่ระบุ

สำหรับชั้นเรียนอื่นๆ ให้ทำตามกฎต่อไปนี้

• นำคำนำหน้า FirebaseVision ออกจากชื่อชั้นเรียน
• นำคำนำหน้าอื่นๆ ที่ขึ้นต้นด้วยคำนำหน้า Firebase ออกจากชื่อชั้นเรียน

นอกจากนี้ ในชื่อแพ็กเกจ ให้แทนที่คำนำหน้า com.google.firebase.ml ด้วย com.google.mlkit

อัปเดตชื่อเมธอด

มีการเปลี่ยนแปลงโค้ดเล็กน้อยดังนี้

• มีการเปลี่ยนแปลงการสร้างอินสแตนซ์ของเครื่องตรวจจับ/สแกนเนอร์/เครื่องติดป้ายกำกับ/เครื่องแปล... ตอนนี้ฟีเจอร์แต่ละอย่างจะมีจุดแรกเข้าของตัวเองแล้ว เช่น BarcodeScanning, TextRecognition, ImageLabeling, Translation…. การเรียกใช้บริการ Firebase getInstance() จะถูกแทนที่ด้วยการเรียกใช้getClient()เมธอดของจุดแรกเข้าของฟีเจอร์
• เราได้นำการเริ่มต้นอินสแตนซ์เริ่มต้นสำหรับ TextRecognizer ออกแล้ว เนื่องจากเราได้เปิดตัวไลบรารีเพิ่มเติมสำหรับการจดจำสคริปต์อื่นๆ เช่น จีนและเกาหลี หากต้องการใช้ตัวเลือกเริ่มต้นกับโมเดลการจดจำข้อความสคริปต์ละติน โปรดประกาศการอ้างอิงใน com.google.android.gms:play-services-mlkit-text-recognition และใช้ TextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS)
• เราได้นำการเริ่มต้นค่าเริ่มต้นสำหรับ ImageLabeler และ ObjectDetector ออกเนื่องจากเราได้เปิดตัวการรองรับโมเดลที่กำหนดเองสำหรับฟีเจอร์ทั้ง 2 นี้ เช่น หากต้องการใช้ตัวเลือกเริ่มต้นกับโมเดลพื้นฐานใน ImageLabeling โปรดประกาศการอ้างอิงใน com.google.mlkit:image-labeling และใช้ ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS) ใน Java
• แฮนเดิลทั้งหมด (ตรวจหา/สแกน/ติดป้ายกำกับ/แปล ฯลฯ) ปิดได้ ตรวจสอบว่ามีการเรียกใช้เมธอด close() เมื่อจะไม่ใช้ออบเจ็กต์เหล่านั้นอีกต่อไป หากคุณใช้ใน Fragment หรือ AppCompatActivity วิธีง่ายๆ วิธีหนึ่งคือการเรียกใช้ LifecycleOwner.getLifecycle() ใน Fragment หรือ AppCompatActivity แล้วเรียกใช้ Lifecycle.addObserver
• processImage() และ detectInImage() ใน Vision API ได้รับการเปลี่ยนชื่อเป็น process() เพื่อให้สอดคล้องกัน
• ตอนนี้ Natural Language APIs ใช้คำว่า "แท็กภาษา" (ตามที่กำหนดโดยมาตรฐาน BCP 47) แทน "รหัสภาษา"
• นำเมธอด Getter ในคลาส xxxOptions ออกแล้ว
• ไม่รองรับเมธอด getBitmap() ในคลาส InputImage(แทนที่ FirebaseVisionImage) อีกต่อไปซึ่งเป็นส่วนหนึ่งของอินเทอร์เฟซสาธารณะ โปรดดูBitmapUtils.javaในตัวอย่างการเริ่มต้นใช้งาน ML Kit อย่างรวดเร็วเพื่อรับบิตแมปที่แปลงจากอินพุตต่างๆ
• เราได้นำ FirebaseVisionImageMetadata ออกแล้ว คุณเพียงแค่ส่งข้อมูลเมตาของรูปภาพ เช่น ความกว้าง ความสูง rotationDegrees รูปแบบ ไปยังเมธอดการสร้างของ InputImages

ตัวอย่างเมธอด Kotlin เวอร์ชันเก่าและใหม่มีดังนี้

// Construct image labeler with base model and default options.
val imageLabeler = FirebaseVision.getInstance().onDeviceImageLabeler

// Construct object detector with base model and default options.
val objectDetector = FirebaseVision.getInstance().onDeviceObjectDetector

// Construct face detector with given options
val faceDetector = FirebaseVision.getInstance().getVisionFaceDetector(options)

// Construct image labeler with local AutoML model
val localModel =
    FirebaseAutoMLLocalModel.Builder()
      .setAssetFilePath("automl/manifest.json")
      .build()
val autoMLImageLabeler =
    FirebaseVision.getInstance()
      .getOnDeviceAutoMLImageLabeler(
          FirebaseVisionOnDeviceAutoMLImageLabelerOptions.Builder(localModel)
            .setConfidenceThreshold(0.3F)
            .build()
    )

// Construct image labeler with base model and default options.
val imageLabeler = ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS)
// Optional: add life cycle observer
lifecycle.addObserver(imageLabeler)

// Construct object detector with base model and default options.
val objectDetector = ObjectDetection.getClient(ObjectDetectorOptions.DEFAULT_OPTIONS)

// Construct face detector with given options
val faceDetector = FaceDetection.getClient(options)

// Construct image labeler with local AutoML model
val localModel =
  LocalModel.Builder()
    .setAssetManifestFilePath("automl/manifest.json")
    .build()
val autoMLImageLabeler =
  ImageLabeling.getClient(
    CustomImageLabelerOptions.Builder(localModel)
    .setConfidenceThreshold(0.3F).build())
  

ตัวอย่างเมธอด Java เก่าและใหม่มีดังนี้

// Construct image labeler with base model and default options.
FirebaseVisionImageLabeler imagelLabeler =
     FirebaseVision.getInstance().getOnDeviceImageLabeler();

// Construct object detector with base model and default options.
FirebaseVisionObjectDetector objectDetector =
     FirebaseVision.getInstance().getOnDeviceObjectDetector();

// Construct face detector with given options
FirebaseVisionFaceDetector faceDetector =
     FirebaseVision.getInstance().getVisionFaceDetector(options);

// Construct image labeler with local AutoML model
FirebaseAutoMLLocalModel localModel =
    new FirebaseAutoMLLocalModel.Builder()
      .setAssetFilePath("automl/manifest.json")
      .build();
FirebaseVisionImageLabeler autoMLImageLabeler =
    FirebaseVision.getInstance()
      .getOnDeviceAutoMLImageLabeler(
          FirebaseVisionOnDeviceAutoMLImageLabelerOptions.Builder(localModel)
            .setConfidenceThreshold(0.3F)
            .build());

// Construct image labeler with base model and default options.
ImageLabeler imageLabeler = ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS);
// Optional: add life cycle observer
getLifecycle().addObserver(imageLabeler);

// Construct object detector with base model and default options.
ObjectDetector objectDetector = ObjectDetection.getClient(ObjectDetectorOptions.DEFAULT_OPTIONS);

// Construct face detector with given options
FaceDetector faceDetector = FaceDetection.getClient(options);

// Construct image labeler with local AutoML model
LocalModel localModel =
  new LocalModel.Builder()
    .setAssetManifestFilePath("automl/manifest.json")
    .build();
ImageLabeler autoMLImageLabeler =
  ImageLabeling.getClient(
    new CustomImageLabelerOptions.Builder(localModel)
    .setConfidenceThreshold(0.3F).build());
  

การเปลี่ยนแปลงเฉพาะ API

การสแกนบาร์โค้ด

สำหรับ Barcode Scanning API ตอนนี้มี 2 วิธีในการส่งโมเดล ได้แก่

• ผ่านบริการ Google Play หรือที่เรียกว่า "Thin" (แนะนำ) - วิธีนี้จะช่วยลดขนาดแอปและแชร์โมเดลระหว่างแอปพลิเคชัน อย่างไรก็ตาม นักพัฒนาแอปจะต้องตรวจสอบว่าได้ดาวน์โหลดโมเดลก่อนที่จะใช้เป็นครั้งแรก
• มี APK ของแอปหรือที่เรียกว่า "รวม" - วิธีนี้จะเพิ่มขนาดแอป แต่หมายความว่าโมเดลจะใช้งานได้ทันที

การติดตั้งใช้งานทั้ง 2 แบบแตกต่างกันเล็กน้อย โดยเวอร์ชัน "รวม" มีการปรับปรุงหลายอย่างมากกว่าเวอร์ชัน "บาง" ดูรายละเอียดเกี่ยวกับความแตกต่างเหล่านี้ได้ในหลักเกณฑ์ของ Barcode Scanning API

การตรวจจับใบหน้า

สำหรับ Face Detection API โมเดลจะได้รับการส่งมอบ 2 วิธีดังนี้

• ผ่านบริการ Google Play หรือที่เรียกว่า "Thin" (แนะนำ) - วิธีนี้จะช่วยลดขนาดแอปและแชร์โมเดลระหว่างแอปพลิเคชัน อย่างไรก็ตาม นักพัฒนาแอปจะต้องตรวจสอบว่าได้ดาวน์โหลดโมเดลก่อนที่จะใช้เป็นครั้งแรก
• เมื่อมี APK ของแอปหรือที่เรียกว่า "รวม" - การดำเนินการนี้จะเพิ่มขนาดการดาวน์โหลดแอป แต่หมายความว่าโมเดลจะใช้งานได้ทันที

ลักษณะการทำงานของการติดตั้งใช้งานจะเหมือนกัน

คำแปล

• TranslateLanguage ตอนนี้ใช้ชื่อที่อ่านได้สำหรับค่าคงที่ (เช่น ENGLISH) แทนแท็กภาษา (EN) และตอนนี้ยังเป็น @StringDef แทน @IntDef และค่าของค่าคงที่คือแท็กภาษา BCP 47 ที่ตรงกัน

• หากแอปของคุณใช้ตัวเลือกเงื่อนไขการดาวน์โหลด "อุปกรณ์ไม่ได้ใช้งาน" โปรดทราบว่าตัวเลือกนี้ถูกนำออกไปแล้วและใช้ไม่ได้อีกต่อไป คุณยังใช้ตัวเลือก "การชาร์จอุปกรณ์" ได้ หากต้องการลักษณะการทำงานที่ซับซ้อนมากขึ้น คุณสามารถหน่วงเวลาการเรียก RemoteModelManager.download ตามตรรกะของคุณเองได้

การติดป้ายกำกับรูปภาพด้วย AutoML

หากแอปใช้ตัวเลือกเงื่อนไขการดาวน์โหลด "อุปกรณ์ไม่ได้ใช้งาน" โปรดทราบว่าเราได้นำตัวเลือกนี้ออกแล้วและไม่สามารถใช้ได้อีกต่อไป คุณยังใช้ตัวเลือก "การชาร์จอุปกรณ์" ได้

หากต้องการลักษณะการทำงานที่ซับซ้อนมากขึ้น คุณสามารถหน่วงเวลาการเรียกใช้ RemoteModelManager.download ตามตรรกะของคุณเองได้

การตรวจจับและการติดตามออบเจ็กต์

หากแอปใช้การตรวจหาออบเจ็กต์ที่มีการจัดประเภทแบบคร่าวๆ โปรดทราบว่า SDK ใหม่ได้เปลี่ยนวิธีที่ใช้ในการแสดงหมวดหมู่การจัดประเภทสำหรับออบเจ็กต์ที่ตรวจพบ

ระบบจะแสดงหมวดหมู่การจัดประเภทเป็นอินสแตนซ์ของ DetectedObject.Label แทนที่จะเป็นจำนวนเต็ม หมวดหมู่ที่เป็นไปได้ทั้งหมดสำหรับ เครื่องมือคัดแยกแบบคร่าวๆ จะรวมอยู่ในคลาส PredefinedCategory

ตัวอย่างโค้ด Kotlin แบบเก่าและแบบใหม่มีดังนี้

if (object.classificationCategory == FirebaseVisionObject.CATEGORY_FOOD) {
    ...
}

if (!object.labels.isEmpty() && object.labels[0].text == PredefinedCategory.FOOD) {
    ...
}
// or
if (!object.labels.isEmpty() && object.labels[0].index == PredefinedCategory.FOOD_INDEX) {
    ...
}

ตัวอย่างโค้ด Java เก่าและใหม่มีดังนี้

if (object.getClassificationCategory() == FirebaseVisionObject.CATEGORY_FOOD) {
    ...
}

if (!object.getLabels().isEmpty()
    && object.getLabels().get(0).getText().equals(PredefinedCategory.FOOD)) {
    ...
}
// or
if (!object.getLabels().isEmpty()
    && object.getLabels().get(0).getIndex() == PredefinedCategory.FOOD_INDEX) {
    ...
}

เราได้นำหมวดหมู่ "ไม่ทราบ" ออกแล้ว เมื่อความน่าเชื่อถือของการจัดประเภทออบเจ็กต์ต่ำ เราจะไม่แสดงป้ายกำกับใดๆ

นำการขึ้นต่อกันของ Firebase ออก (ไม่บังคับ)

ขั้นตอนนี้จะมีผลก็ต่อเมื่อเป็นไปตามเงื่อนไขต่อไปนี้

• คุณใช้ Firebase ML Kit เป็นคอมโพเนนต์ Firebase เพียงอย่างเดียว
• คุณใช้เฉพาะ API ในอุปกรณ์
• คุณไม่ได้ใช้การแสดงโมเดล

ในกรณีนี้ คุณสามารถนำการอ้างอิง Firebase ออกได้หลังจากการย้ายข้อมูล โปรดทำตามขั้นตอนต่อไปนี้

• นำไฟล์กำหนดค่า Firebase ออกโดยลบไฟล์กำหนดค่า google-services.json ที่ไดเรกทอรีโมดูล (ระดับแอป) ของแอป
• แทนที่ปลั๊กอิน Gradle ของบริการของ Google ในไฟล์ Gradle ของโมดูล (ระดับแอป) (โดยมากจะเป็นไฟล์ app/build.gradle) ด้วยปลั๊กอิน Strict Version Matcher ดังนี้

apply plugin: 'com.android.application'
apply plugin: 'com.google.gms.google-services'  // Google Services plugin

android {
  // …
}

apply plugin: 'com.android.application'
apply plugin: 'com.google.android.gms.strict-version-matcher-plugin'

android {
  // …
}

• แทนที่เส้นทางคลาสของปลั๊กอิน Gradle ของบริการของ Google ในไฟล์ Gradle ระดับโปรเจ็กต์ (ระดับรูท) (build.gradle) ด้วยเส้นทางของปลั๊กอิน Strict Version Matcher ดังนี้

buildscript {
  dependencies {
    // ...

    classpath 'com.google.gms:google-services:4.3.3'  // Google Services plugin
  }
}

buildscript {
  dependencies {
    // ...

    classpath 'com.google.android.gms:strict-version-matcher-plugin:1.2.1'
  }
}

ลบแอป Firebase ในคอนโซล Firebase ตามวิธีการในเว็บไซต์สนับสนุนของ Firebase

ขอความช่วยเหลือ

หากพบปัญหา โปรดไปที่หน้าชุมชน ซึ่งเราได้ระบุช่องทางต่างๆ ที่คุณใช้ติดต่อเราได้