iOS के लिए, चेहरे की पहचान करने वाली गाइड

फ़ेस डिटेक्टर टास्क की मदद से, किसी इमेज या वीडियो में चेहरों का पता लगाया जा सकता है. Google Analytics 4 पर माइग्रेट करने के लिए, इस टास्क की मदद से, फ़्रेम में चेहरों और चेहरों की पहचान की जा सकती है. यह टास्क, मशीन लर्निंग (एमएल) मॉडल, जो किसी एक इमेज या लगातार स्ट्रीम करने पर काम करता है बनाया जा सकता है. टास्क में चेहरे की जगह की जानकारी के साथ-साथ, चेहरे की यह जानकारी भी दिखाई जाती है पॉइंट: बाईं आंख, दाईं आंख, नाक का सिरा, मुंह, बाईं आंख का दर्द, और दाईं आंख त्रासदी.

इन निर्देशों में जिस कोड सैंपल की जानकारी दी गई है वह GitHub पर उपलब्ध है. आप इस वेब पर, इस टास्क को काम करते हुए देख सकते हैं डेमो. ज़्यादा के लिए इसकी क्षमताओं, मॉडल, और कॉन्फ़िगरेशन के विकल्पों के बारे में जानकारी टास्क, खास जानकारी.

कोड का उदाहरण

MediaPipe Tasks के उदाहरण कोड से, फ़ेस डिटेक्टर को आसानी से लागू किया जा सकता है iOS के लिए ऐप. इस उदाहरण में, किसी असल Android डिवाइस के कैमरे का इस्तेमाल करके, यह पता लगाया गया है कि में चेहरे को लगातार फ़िल्टर कर रहे हैं. यह ऐप्लिकेशन, इमेज में मौजूद चेहरों का पता लगा सकता है और डिवाइस की गैलरी में मौजूद वीडियो.

इस ऐप्लिकेशन का इस्तेमाल, अपने iOS ऐप्लिकेशन के लिए शुरुआती पॉइंट के तौर पर किया जा सकता है या इसे रेफ़रंस के तौर पर इस्तेमाल किया जा सकता है. को अपडेट करें. फ़ेस डिटेक्टर का उदाहरण कोड यहां होस्ट किया गया है GitHub.

कोड डाउनलोड करें

नीचे दिए गए निर्देशों में आपको उदाहरण की स्थानीय कॉपी बनाने का तरीका बताया गया है git कमांड लाइन टूल का इस्तेमाल करके कोड बनाना और उसमें बदलाव करना.

उदाहरण कोड डाउनलोड करने के लिए:

1. नीचे दिए गए कमांड का इस्तेमाल करके git रिपॉज़िटरी का क्लोन बनाएं:

   git clone https://github.com/google-ai-edge/mediapipe-samples
   

2. वैकल्पिक रूप से, विरल चेकआउट का इस्तेमाल करने के लिए अपने git इंस्टेंस को कॉन्फ़िगर करें, ताकि सिर्फ़ फ़ेस डिटेक्टर के उदाहरण ऐप्लिकेशन की फ़ाइलें:

   cd mediapipe
   git sparse-checkout init --cone
   git sparse-checkout set examples/face_detector/ios/
   

उदाहरण के कोड का लोकल वर्शन बनाने के बाद, MediaPipe टास्क लाइब्रेरी में, Xcode का इस्तेमाल करके प्रोजेक्ट खोलें और ऐप्लिकेशन चलाएं. इसके लिए निर्देशों के लिए, iOS के लिए सेटअप गाइड देखें.

मुख्य कॉम्पोनेंट

नीचे दी गई फ़ाइलों में फ़ेस डिटेक्टर के उदाहरण का ज़रूरी कोड शामिल है ऐप्लिकेशन:

• FaceDetectorService.swift: डिटेक्टर शुरू करता है, मॉडल चुनने का काम मैनेज करता है, और इनपुट डेटा के आधार पर अनुमान लगाता है..
• CameraViewController: लाइव कैमरा फ़ीड इनपुट मोड के लिए यूज़र इंटरफ़ेस (यूआई) लागू करता है और पहचान के नतीजों को विज़ुअलाइज़ करता है.
• MediaLibraryViewController.swift: स्टिल इमेज और वीडियो फ़ाइल के इनपुट मोड के लिए यूज़र इंटरफ़ेस (यूआई) लागू करता है और पहचान के नतीजों को विज़ुअलाइज़ करता है.

सेटअप

इस सेक्शन में, आपके डेवलपमेंट एनवायरमेंट को सेट अप करने और फ़ेस डिटेक्टर का इस्तेमाल करने के लिए कोड प्रोजेक्ट. अपना खाता सेट अप करने के बारे में MediaPipe टास्क के लिए डेवलपमेंट एनवायरमेंट. इसमें प्लैटफ़ॉर्म वर्शन भी शामिल है ज़रूरी शर्तों के बारे में जानने के लिए, iOS के लिए सेटअप गाइड देखें.

डिपेंडेंसी

फ़ेस डिटेक्टर, MediaPipeTasksVision लाइब्रेरी का इस्तेमाल करता है, जिसे इंस्टॉल करना ज़रूरी होता है CocoaPods का इस्तेमाल करके. यह लाइब्रेरी Swift और Objective-C, दोनों ऐप्लिकेशन के साथ काम करती है इसके लिए, अलग से किसी भाषा के सेटअप की ज़रूरत नहीं होती.

macOS पर CocoaPods को इंस्टॉल करने के निर्देशों के लिए, CocoaPods को देखें इंस्टॉल करने की गाइड देखें. अपने ऐप्लिकेशन के लिए ज़रूरी पॉड के साथ Podfile बनाने का तरीका जानने के लिए, देखने के लिए, Google Play Store में CocoaPods.

नीचे दिए गए कोड का इस्तेमाल करके, Podfile में MediaPipeTasksVision पॉड जोड़ें:

target 'MyFaceDetectorApp' do
  use_frameworks!
  pod 'MediaPipeTasksVision'
end

अगर आपके ऐप्लिकेशन में यूनिट टेस्ट टारगेट शामिल हैं, तो iOS सेट अप करने के बारे में ज़्यादा जानकारी पाएं Podfile.

मॉडल

MediaPipe Face Detector टास्क के लिए, ट्रेनिंग किया गया मॉडल होना ज़रूरी है इस टास्क को पूरा करें. इनके लिए उपलब्ध ट्रेन किए गए मॉडल के बारे में ज़्यादा जानकारी पाने के लिए फ़ेस डिटेक्टर, टास्क की खास जानकारी मॉडल देखें सेक्शन में दिया गया है.

कोई मॉडल चुनें और डाउनलोड करें, और Xcode का इस्तेमाल करके उसे अपनी प्रोजेक्ट डायरेक्ट्री में जोड़ें. अपने Xcode प्रोजेक्ट में फ़ाइलें जोड़ने के तरीके से जुड़े निर्देशों के लिए, मैनेज करना आपके Xcode में मौजूद फ़ाइलें और फ़ोल्डर प्रोजेक्ट.

मॉडल का पाथ बताने के लिए, BaseOptions.modelAssetPath प्रॉपर्टी का इस्तेमाल करें शामिल हैं. कोड के उदाहरण के लिए, अगला सेक्शन देखें.

टास्क बनाएं

आप फ़ेस डिटेक्टर टास्क बनाने के लिए, उसके किसी शुरू करने वाले को कॉल कर सकते हैं. कॉन्टेंट बनाने FaceDetector(options:) शुरू करने वाला, कॉन्फ़िगरेशन के लिए वैल्यू स्वीकार करता है के विकल्प.

अगर आपको पसंद के मुताबिक बनाए गए कॉन्फ़िगरेशन के साथ शुरू किए गए फ़ेस डिटेक्टर की ज़रूरत नहीं है विकल्पों के लिए, आप FaceDetector(modelPath:) प्रारंभकर्ता का उपयोग करके डिफ़ॉल्ट विकल्पों वाला फ़ेस डिटेक्टर. कॉन्फ़िगरेशन के बारे में ज़्यादा जानकारी पाने के लिए विकल्पों के लिए, कॉन्फ़िगरेशन की खास जानकारी देखें.

फ़ेस डिटेक्टर टास्क, तीन इनपुट डेटा टाइप के साथ काम करता है: स्टिल इमेज, वीडियो फ़ाइलें साथ ही, लाइव वीडियो स्ट्रीम भी दिखेंगी. डिफ़ॉल्ट रूप से, FaceDetector(modelPath:) स्टिल इमेज के लिए टास्क. अगर आपको वीडियो प्रोसेस करने के लिए टास्क शुरू करना है फ़ाइलें या लाइव वीडियो स्ट्रीम हैं, तो वीडियो की जानकारी देने के लिए FaceDetector(options:) का इस्तेमाल करें या लाइव स्ट्रीम मोड का इस्तेमाल करें. लाइव स्ट्रीम मोड इस्तेमाल करने के लिए, faceDetectorLiveStreamDelegate कॉन्फ़िगरेशन विकल्प, जो फ़ेस डिटेक्टर की मदद से, प्रतिनिधियों को चेहरा पहचानने की सुविधा के नतीजे एसिंक्रोनस तरीके से दिए जाते हैं.

टास्क बनाने का तरीका जानने के लिए, अपने रनिंग मोड से जुड़ा टैब चुनें अनुमान लगाने के लिए कहा जा सकता है.

Swift

import MediaPipeTasksVision

let modelPath = Bundle.main.path(forResource: "model",
                                      ofType: "tflite")

let options = FaceDetectorOptions()
options.baseOptions.modelAssetPath = modelPath
options.runningMode = .image

let faceDetector = try FaceDetector(options: options)
    

import MediaPipeTasksVision

let modelPath = Bundle.main.path(forResource: "model",
                                      ofType: "tflite")

let options = FaceDetectorOptions()
options.baseOptions.modelAssetPath = modelPath
options.runningMode = .video

let faceDetector = try FaceDetector(options: options)
    

import MediaPipeTasksVision

// Class that conforms to the `FaceDetectorLiveStreamDelegate` protocol and
// implements the method that the face detector calls once it finishes
// detecting faces in each input frame.
class FaceDetectorResultProcessor: NSObject, FaceDetectorLiveStreamDelegate {

  func faceDetector(
    _ faceDetector: FaceDetector,
    didFinishDetection result: FaceDetectorResult?,
    timestampInMilliseconds: Int,
    error: Error?) {

    // Process the face detection result or errors here.

  }
}

let modelPath = Bundle.main.path(
  forResource: "model",
  ofType: "tflite")

let options = FaceDetectorOptions()
options.baseOptions.modelAssetPath = modelPath
options.runningMode = .liveStream

// Assign an object of the class to the `faceDetectorLiveStreamDelegate`
// property.
let processor = FaceDetectorResultProcessor()
options.faceDetectorLiveStreamDelegate = processor

let faceDetector = try FaceDetector(options: options)
    

Objective-C

@import MediaPipeTasksVision;

NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"model"
                                                      ofType:@"tflite"];

MPPFaceDetectorOptions *options = [[MPPFaceDetectorOptions alloc] init];
options.baseOptions.modelAssetPath = modelPath;
options.runningMode = MPPRunningModeImage;

MPPFaceDetector *faceDetector =
      [[MPPFaceDetector alloc] initWithOptions:options error:nil];
    

@import MediaPipeTasksVision;

NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"model"
                                                      ofType:@"tflite"];

MPPFaceDetectorOptions *options = [[MPPFaceDetectorOptions alloc] init];
options.baseOptions.modelAssetPath = modelPath;
options.runningMode = MPPRunningModeVideo;

MPPFaceDetector *faceDetector =
      [[MPPFaceDetector alloc] initWithOptions:options error:nil];
    

@import MediaPipeTasksVision;

// Class that conforms to the `MPPFaceDetectorLiveStreamDelegate` protocol
// and implements the method that the face detector calls once it finishes
// detecting faces in each input frame.

@interface APPFaceDetectorResultProcessor : NSObject 

@end

@implementation APPFaceDetectorResultProcessor

-   (void)faceDetector:(MPPFaceDetector *)faceDetector
    didFinishDetectionWithResult:(MPPFaceDetectorResult *)faceDetectorResult
         timestampInMilliseconds:(NSInteger)timestampInMilliseconds
                           error:(NSError *)error {

    // Process the face detector result or errors here.

}

@end

NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"model"
                                                      ofType:@"tflite"];

MPPFaceDetectorOptions *options = [[MPPFaceDetectorOptions alloc] init];
options.baseOptions.modelAssetPath = modelPath;
options.runningMode = MPPRunningModeLiveStream;

// Assign an object of the class to the `faceDetectorLiveStreamDelegate`
// property.
APPFaceDetectorResultProcessor *processor = [APPFaceDetectorResultProcessor new];
options.faceDetectorLiveStreamDelegate = processor;

MPPFaceDetector *faceDetector =
      [[MPPFaceDetector alloc] initWithOptions:options error:nil];
    

ध्यान दें: अगर वीडियो मोड या लाइव स्ट्रीम मोड का इस्तेमाल किया जाता है, तो फ़ेस डिटेक्टर की मदद से जिससे हर फ़्रेम पर डिटेक्शन मॉडल ट्रिगर होने से रोका जाता है. इससे, इंतज़ार का समय कम करें.

कॉन्फ़िगरेशन विकल्प

इस टास्क में iOS ऐप्लिकेशन के लिए, नीचे दिए गए कॉन्फ़िगरेशन के विकल्प मौजूद हैं:

लाइव स्ट्रीम कॉन्फ़िगरेशन

जब रनिंग मोड लाइवस्ट्रीम पर सेट होता है, तब फ़ेस डिटेक्टर को अतिरिक्त faceDetectorLiveStreamDelegate कॉन्फ़िगरेशन विकल्प, जिससे यह सुविधा चालू होती है फ़ेस डिटेक्टर की सुविधा का इस्तेमाल करती है, ताकि बिना किसी सिंक के पहचान करने के नतीजे डिलीवर किए जा सकें. वह व्यक्ति जिसे ईमेल खाते का ऐक्सेस दिया गया है लागू करता है: faceDetector(_:didFinishDetection:timestampInMilliseconds:error:) तरीका, इसके लिए चेहरे की पहचान के नतीजों को प्रोसेस करने के बाद, फ़ेस डिटेक्टर कॉल करता है करते हैं.

डेटा तैयार करें

आपको पहले, इनपुट इमेज या फ़्रेम को MPImage ऑब्जेक्ट में बदलना होगा उसे फ़ेस डिटेक्टर के पास नहीं भेजा जा सकता. MPImage में, अलग-अलग तरह की iOS इमेज इस्तेमाल की जा सकती हैं साथ ही, अनुमान लगाने के लिए किसी भी रनिंग मोड में इनका इस्तेमाल किया जा सकता है. ज़्यादा के लिए MPImage के बारे में जानकारी पाने के लिए, MPImage API

अपने इस्तेमाल के उदाहरण और रनिंग मोड के हिसाब से iOS इमेज फ़ॉर्मैट चुनें ऐप्लिकेशन के लिए आवश्यक है.MPImage UIImage, CVPixelBuffer, और CMSampleBuffer iOS इमेज फ़ॉर्मैट.

UIImage

UIImage फ़ॉर्मैट, नीचे दिए गए दौड़ने मोड के लिए सबसे सही है:

• इमेज: किसी ऐप्लिकेशन बंडल, उपयोगकर्ता गैलरी या फ़ाइल सिस्टम से ली गई इमेज, इस फ़ॉर्मैट में दी गई हैं UIImage इमेज को MPImage ऑब्जेक्ट में बदला जा सकता है.

• वीडियो: AVAssetImageGenerator का इस्तेमाल करें वीडियो फ़्रेम एक्सट्रैक्ट करने के लिए CGImage फ़ॉर्मैट करें, फिर उन्हें UIImage इमेज में बदलें.

// Load an image on the user's device as an iOS `UIImage` object.

// Convert the `UIImage` object to a MediaPipe's Image object having the default
// orientation `UIImage.Orientation.up`.
let image = try MPImage(uiImage: image)
    

// Load an image on the user's device as an iOS `UIImage` object.

// Convert the `UIImage` object to a MediaPipe's Image object having the default
// orientation `UIImageOrientationUp`.
MPImage *image = [[MPPImage alloc] initWithUIImage:image error:nil];
    

उदाहरण में MPImage को डिफ़ॉल्ट वैल्यू के साथ शुरू किया गया है UIImage.Orientation.Up स्क्रीन की दिशा. MPImage को इस्तेमाल करने वाली किसी भी सुविधा के साथ शुरू किया जा सकता है UIImage.Orientation वैल्यू. फ़ेस डिटेक्टर, मिरर किए गए ओरिएंटेशन के साथ काम नहीं करता, जैसे कि .upMirrored, .downMirrored, .leftMirrored, .rightMirrored.

UIImage के बारे में ज़्यादा जानकारी के लिए, UIImage Apple Developer पर जाएं दस्तावेज़.

CVPixelBuffer

CVPixelBuffer फ़ॉर्मैट, फ़्रेम जनरेट करने वाले ऐप्लिकेशन के लिए सबसे सही है और iOS CoreImage का इस्तेमाल करें प्रोसेसिंग के लिए फ़्रेमवर्क.

CVPixelBuffer फ़ॉर्मैट, नीचे दिए गए दौड़ने मोड के लिए सबसे सही है:

• इमेज: ऐसे ऐप्लिकेशन जो कुछ प्रोसेसिंग के बाद CVPixelBuffer इमेज जनरेट करते हैं iOS के CoreImage फ़्रेमवर्क का इस्तेमाल करके, फ़ेस डिटेक्टर को इमेज रनिंग मोड.

• वीडियो: वीडियो फ़्रेम को CVPixelBuffer फ़ॉर्मैट में बदला जा सकता है प्रोसेस किया जाता है और फिर वीडियो मोड में फ़ेस डिटेक्टर को भेजा जाता है.

• लाइव स्ट्रीम: फ़्रेम जनरेट करने के लिए, iOS कैमरे का इस्तेमाल करने वाले ऐप्लिकेशन को बदला जा सकता है को भेजने से पहले प्रोसेसिंग के लिए CVPixelBuffer फ़ॉर्मैट में लाइव स्ट्रीम मोड में फ़ेस डिटेक्टर की सुविधा.

// Obtain a CVPixelBuffer.

// Convert the `CVPixelBuffer` object to a MediaPipe's Image object having the default
// orientation `UIImage.Orientation.up`.
let image = try MPImage(pixelBuffer: pixelBuffer)
    

// Obtain a CVPixelBuffer.

// Convert the `CVPixelBuffer` object to a MediaPipe's Image object having the
// default orientation `UIImageOrientationUp`.
MPImage *image = [[MPPImage alloc] initWithUIImage:image error:nil];
    

CVPixelBuffer के बारे में ज़्यादा जानकारी के लिए, CVPixelBuffer Apple पर जाएं डेवलपर दस्तावेज़.

CMSampleBuffer

CMSampleBuffer फ़ॉर्मैट में, यूनिफ़ॉर्म मीडिया टाइप के मीडिया सैंपल सेव किए जाते हैं और यह होता है ये लाइव स्ट्रीम रनिंग मोड के लिए ज़्यादा काम के होते हैं. iOS कैमरों से लाइव फ़्रेम की सुविधा iOS के ज़रिए CMSampleBuffer फ़ॉर्मैट में एसिंक्रोनस रूप से डिलीवर किया जाता है AVCaptureVideoDataOutput.

// Obtain a CMSampleBuffer.

// Convert the `CMSampleBuffer` object to a MediaPipe's Image object having the default
// orientation `UIImage.Orientation.up`.
let image = try MPImage(sampleBuffer: sampleBuffer)
    

// Obtain a `CMSampleBuffer`.

// Convert the `CMSampleBuffer` object to a MediaPipe's Image object having the
// default orientation `UIImageOrientationUp`.
MPImage *image = [[MPPImage alloc] initWithSampleBuffer:sampleBuffer error:nil];
    

CMSampleBuffer के बारे में ज़्यादा जानकारी के लिए, CMSampleBuffer Apple देखें डेवलपर दस्तावेज़.

टास्क को पूरा करें

फ़ेस डिटेक्टर को चलाने के लिए, असाइन किए गए detect() तरीके का इस्तेमाल करें रनिंग मोड:

• फ़ोटो: detect(image:)
• वीडियो: detect(videoFrame:timestampInMilliseconds:)
• लाइवस्ट्रीम: detectAsync(image:timestampInMilliseconds:)

फ़ेस डिटेक्टर की सुविधा, इनपुट इमेज या फ़्रेम में पहचाने गए चेहरों की जानकारी देती है.

नीचे दिए गए कोड सैंपल, फ़ेस डिटेक्टर को चलाने के आसान उदाहरण दिखाते हैं ये अलग-अलग रनिंग मोड हैं:

Swift

let result = try faceDetector.detect(image: image)
    

let result = try faceDetector.detect(
  videoFrame: image,
  timestampInMilliseconds: timestamp)
    

try faceDetector.detectAsync(
  image: image,
  timestampInMilliseconds: timestamp)
    

Objective-C

MPPFaceDetectorResult *result = [faceDetector detectInImage:image
                                                      error:nil];
    

MPPFaceDetectorResult *result = [faceDetector detectInVideoFrame:image
                                         timestampInMilliseconds:timestamp
                                                           error:nil];
    

BOOL success = [faceDetector detectAsyncInImage:image
                        timestampInMilliseconds:timestamp
                                          error:nil];
    

फ़ेस डिटेक्टर के कोड के उदाहरण में, इनमें से हर मोड को लागू करने का तरीका दिखाया गया है ज़्यादा जानकारी detect(image:), detect(videoFrame:timestampInMilliseconds:), और detectAsync(image:timestampInMilliseconds:). उदाहरण कोड आपको उपयोगकर्ता को एक से दूसरे मोड पर स्विच करना होगा, जो शायद आपके इस्तेमाल के लिए ज़रूरी नहीं है केस.

निम्न पर ध्यान दें:

• वीडियो मोड या लाइव स्ट्रीम मोड में चलाते समय, आपको फ़ेस डिटेक्टर टास्क के इनपुट फ़्रेम का टाइमस्टैंप.

• इमेज या वीडियो मोड में चलते समय, फ़ेस डिटेक्टर टास्क, मौजूदा थ्रेड को तब तक सबमिट नहीं किया जा सकता, जब तक कि यह इनपुट इमेज या फ़्रेम की प्रोसेस पूरी नहीं कर लेता. यहां की यात्रा पर हूं मौजूदा थ्रेड को ब्लॉक होने से बचाएं और बैकग्राउंड में प्रोसेसिंग चलाएं iOS पर थ्रेड डिस्पैच करें या NSOperation फ़्रेमवर्क शामिल हैं.

• लाइव स्ट्रीम मोड में चलाते समय, फ़ेस डिटेक्टर का टास्क तुरंत वापस आ जाता है और मौजूदा थ्रेड को ब्लॉक नहीं करता. यह faceDetector(_:didFinishDetection:timestampInMilliseconds:error:) तरीका के साथ हर इनपुट फ़्रेम को प्रोसेस करने के बाद, चेहरे की पहचान के नतीजे वाली सुविधा का इस्तेमाल करती है. कॉन्टेंट बनाने फ़ेस डिटेक्टर, इस तरीके को किसी खास सीरियल नंबर पर एसिंक्रोनस रूप से शुरू करता है भेजने की सूची. यूज़र इंटरफ़ेस पर नतीजे दिखाने के लिए, नतीजों को प्रोसेस करने के बाद मुख्य सूची में जोड़ दिया जाता है. अगर detectAsync फ़ंक्शन को तब कॉल किया जाता है जब फ़ेस डिटेक्टर का टास्क किसी दूसरे फ़ंक्शन को प्रोसेस करने में व्यस्त हो फ़्रेम की पहचान करने वाला टूल नए इनपुट फ़्रेम को अनदेखा कर देता है.

नतीजों को हैंडल करना और दिखाना

रनिंग अनुमान पर, फ़ेस डिटेक्टर टास्क, FaceDetectorResult दिखाता है वह ऑब्जेक्ट जिसमें पहचाने गए चेहरों और कॉन्फ़िडेंस के लिए बाउंडिंग बॉक्स हैं पहचाने गए हर चेहरे के लिए स्कोर दें.

इस टास्क के आउटपुट डेटा का एक उदाहरण नीचे दिया गया है:

FaceDetectionResult:
  Detections:
    Detection #0:
      BoundingBox:
        origin_x: 126
        origin_y: 100
        width: 463
        height: 463
      Categories:
        Category #0:
          index: 0
          score: 0.9729152917861938
      NormalizedKeypoints:
        NormalizedKeypoint #0:
          x: 0.18298381567001343
          y: 0.2961040139198303
        NormalizedKeypoint #1:
          x: 0.3302789330482483
          y: 0.29289937019348145
        ... (6 keypoints for each face)
    Detection #1:
      BoundingBox:
        origin_x: 616
        origin_y: 193
        width: 430
        height: 430
      Categories:
        Category #0:
          index: 0
          score: 0.9251380562782288
      NormalizedKeypoints:
        NormalizedKeypoint #0:
          x: 0.6151331663131714
          y: 0.3713381886482239
        NormalizedKeypoint #1:
          x: 0.7460576295852661
          y: 0.38825345039367676
        ... (6 keypoints for each face)

नीचे दी गई इमेज, टास्क के आउटपुट का विज़ुअलाइज़ेशन दिखाती है:

बाउंडिंग बॉक्स के बिना इमेज के लिए, ओरिजनल इमेज देखें.

फ़ेस डिटेक्टर के उदाहरण के कोड से पता चलता है कि नतीजे कैसे दिखाए जाते हैं. ज़्यादा जानकारी के लिए, कोड का उदाहरण देखें.