借助 MediaPipe Image Classifier 任务,您可以对图片进行分类。您可以使用此任务从训练时定义的一组类别中确定一张图片代表什么。以下说明介绍了如何在 Android 应用中使用图像分类器。GitHub 上提供了这些说明中所述的代码示例。
您可以查看网页演示,了解此任务的实际运用。如需详细了解此任务的功能、模型和配置选项,请参阅概览。
代码示例
MediaPipe Tasks 示例代码是适用于 Android 的图片分类器应用的简单实现。该示例使用 Android 实体设备上的相机来持续对对象进行分类,还可以使用设备图库中的图片和视频对对象进行静态分类。
您可以将该应用作为基础来开发自己的 Android 应用,也可以在修改现有应用时引用该应用。图像分类器示例代码托管在 GitHub 上。
下载代码
以下说明介绍了如何使用 git 命令行工具创建示例代码的本地副本。
如需下载示例代码,请执行以下操作:
- 使用以下命令克隆 git 代码库:
git clone https://github.com/google-ai-edge/mediapipe-samples
- (可选)将您的 Git 实例配置为使用稀疏检出,这样您就只有图像分类器示例应用的文件:
cd mediapipe git sparse-checkout init --cone git sparse-checkout set examples/image_classification/android
创建示例代码的本地版本后,您可以将项目导入 Android Studio 并运行应用。有关说明,请参阅 Android 设置指南。
关键组件
以下文件包含此图片分类示例应用的关键代码:
- ImageClassifierHelper.kt - 初始化图像分类器并处理模型和委托选择。
- MainActivity.kt - 实现应用,包括调用
ImageClassificationHelper
和ClassificationResultsAdapter
。 - ClassificationResultsAdapter.kt - 处理结果并设置其格式。
设置
本部分介绍设置开发环境和代码项目以使用图像分类器的关键步骤。如需了解有关为使用 MediaPipe 任务设置开发环境的一般信息(包括平台版本要求),请参阅 Android 设置指南。
依赖项
图片分类器使用 com.google.mediapipe:tasks-vision
库。将此依赖项添加到 Android 应用开发项目的 build.gradle
文件中。使用以下代码导入所需的依赖项:
dependencies {
...
implementation 'com.google.mediapipe:tasks-vision:latest.release'
}
模型
MediaPipe 图像分类器任务需要一个与此任务兼容的经过训练的模型。如需详细了解可用于图片分类器的经过训练的模型,请参阅任务概览中的“模型”部分。
选择并下载模型,然后将其存储在项目目录中:
<dev-project-root>/src/main/assets
使用 BaseOptions.Builder.setModelAssetPath()
方法指定模型使用的路径。下一部分的代码示例将引用此方法。
在图片分类器示例代码中,模型在 ImageClassifierHelper.kt
文件中定义。
创建任务
您可以使用 createFromOptions
函数创建任务。createFromOptions
函数接受配置选项,包括运行模式、显示名称语言区域、结果数上限、置信度阈值以及类别许可名单或拒绝列表。如需详细了解配置选项,请参阅配置概览。
图像分类器任务支持 3 种输入数据类型:静态图片、视频文件和直播视频流。创建任务时,您需要指定与输入数据类型相对应的运行模式。选择与输入数据类型对应的标签页,了解如何创建任务并运行推断。
映像
ImageClassifierOptions options = ImageClassifierOptions.builder() .setBaseOptions( BaseOptions.builder().setModelAssetPath("model.tflite").build()) .setRunningMode(RunningMode.IMAGE) .setMaxResults(5) .build(); imageClassifier = ImageClassifier.createFromOptions(context, options);
视频
ImageClassifierOptions options = ImageClassifierOptions.builder() .setBaseOptions( BaseOptions.builder().setModelAssetPath("model.tflite").build()) .setRunningMode(RunningMode.VIDEO) .setMaxResults(5) .build(); imageClassifier = ImageClassifier.createFromOptions(context, options);
直播
ImageClassifierOptions options = ImageClassifierOptions.builder() .setBaseOptions( BaseOptions.builder().setModelAssetPath("model.tflite").build()) .setRunningMode(RunningMode.LIVE_STREAM) .setMaxResults(5) .setResultListener((result, inputImage) -> { // Process the classification result here. }) .setErrorListener((result, inputImage) -> { // Process the classification errors here. }) .build() imageClassifier = ImageClassifier.createFromOptions(context, options)
图像分类器示例代码实现允许用户在处理模式之间切换。这种方法会使任务创建代码更加复杂,可能不适合您的用例。您可以在 ImageClassifierHelper.kt
文件的 setupImageClassifier()
函数中查看此代码。
配置选项
此任务具有以下适用于 Android 应用的配置选项:
选项名称 | 说明 | 值范围 | 默认值 |
---|---|---|---|
runningMode |
设置任务的运行模式。有三种模式: IMAGE:单图输入的模式。 VIDEO:视频已解码帧的模式。 LIVE_STREAM:输入数据实时流式传输的模式,例如来自摄像头的直播模式。在此模式下,必须调用 resultListener 才能设置监听器以异步接收结果。 |
{IMAGE, VIDEO, LIVE_STREAM } |
IMAGE |
displayNamesLocale |
设置任务模型元数据(如果有)中提供的显示名称要使用的标签语言。默认值为 en (英语)。您可以使用 TensorFlow Lite Metadata Writer API 将本地化标签添加到自定义模型的元数据中 |
语言区域代码 | en |
maxResults |
设置要返回的评分最高的分类结果的可选数量上限。如果 < 0,则返回所有可用的结果。 | 任何正数 | -1 |
scoreThreshold |
设置预测分数阈值,以替换模型元数据中提供的阈值(如果有)。低于此值的结果将被拒绝。 | 任意浮点数 | 未设置 |
categoryAllowlist |
设置允许的类别名称的可选列表。如果为非空值,则会过滤掉类别名称不在此集中的分类结果。重复或未知的类别名称会被忽略。
此选项与 categoryDenylist 互斥,两者都会导致错误。 |
任何字符串 | 未设置 |
categoryDenylist |
设置不允许使用的类别名称的可选列表。如果为非空值,则类别名称在此集中的分类结果将被滤除。重复或未知的类别名称会被忽略。此选项与 categoryAllowlist 互斥,同时使用这两个选项会导致错误。 |
任何字符串 | 未设置 |
resultListener |
将结果监听器设置为在图片分类器处于直播模式时异步接收分类结果。仅在跑步模式设为“LIVE_STREAM ”时才能使用 |
N/A | 未设置 |
errorListener |
设置一个可选的错误监听器。 | N/A | 未设置 |
准备数据
图片分类器适用于图片、视频文件和直播视频。该任务会处理数据输入预处理,包括调整大小、旋转和值归一化。
您需要先将输入图片或帧转换为 com.google.mediapipe.framework.image.MPImage
对象,然后才能将其传递给图片分类器。
映像
import com.google.mediapipe.framework.image.BitmapImageBuilder; import com.google.mediapipe.framework.image.MPImage; // Load an image on the user’s device as a Bitmap object using BitmapFactory. // Convert an Android’s Bitmap object to a MediaPipe’s Image object. Image mpImage = new BitmapImageBuilder(bitmap).build();
视频
import com.google.mediapipe.framework.image.BitmapImageBuilder; import com.google.mediapipe.framework.image.MPImage; // Load a video file on the user's device using MediaMetadataRetriever // From the video’s metadata, load the METADATA_KEY_DURATION and // METADATA_KEY_VIDEO_FRAME_COUNT value. You’ll need them // to calculate the timestamp of each frame later. // Loop through the video and load each frame as a Bitmap object. // Convert the Android’s Bitmap object to a MediaPipe’s Image object. Image mpImage = new BitmapImageBuilder(frame).build();
直播
import com.google.mediapipe.framework.image.MediaImageBuilder; import com.google.mediapipe.framework.image.MPImage; // Create a CameraX’s ImageAnalysis to continuously receive frames // from the device’s camera. Configure it to output frames in RGBA_8888 // format to match with what is required by the model. // For each Android’s ImageProxy object received from the ImageAnalysis, // extract the encapsulated Android’s Image object and convert it to // a MediaPipe’s Image object. android.media.Image mediaImage = imageProxy.getImage() Image mpImage = new MediaImageBuilder(mediaImage).build();
在图片分类器示例代码中,数据准备在 ImageClassifierHelper.kt
文件中处理。
运行任务
您可以调用与跑步模式对应的 classify
函数来触发推断。Image Classifier API 会返回输入图片或帧中对象的可能类别。
映像
ImageClassifierResult classifierResult = imageClassifier.classify(image);
视频
// Calculate the timestamp in milliseconds of the current frame. long frame_timestamp_ms = 1000 * video_duration * frame_index / frame_count; // Run inference on the frame. ImageClassifierResult classifierResult = imageClassifier.classifyForVideo(image, frameTimestampMs);
直播
// Run inference on the frame. The classifications results will be available // via the `resultListener` provided in the `ImageClassifierOptions` when // the image classifier was created. imageClassifier.classifyAsync(image, frameTimestampMs);
请注意以下几点:
- 在视频模式或直播模式下运行时,您还必须向图像分类器任务提供输入帧的时间戳。
- 在图片模式或视频模式下运行时,图片分类器任务会阻塞当前线程,直到它处理完输入图片或帧为止。为避免阻塞界面,请在后台线程中执行处理。
- 在直播模式下运行时,图像分类器任务不会阻塞当前线程,而是立即返回。每次处理完输入帧后,它都会调用其结果监听器,并提供检测结果。如果在图像分类器任务正忙于处理另一个帧时调用
classifyAsync
函数,则任务会忽略新的输入帧。
在图片分类器示例代码中,classify
函数在 ImageClassifierHelper.kt
文件中定义。
处理和显示结果
进行推理时,图像分类器任务会返回一个 ImageClassifierResult
对象,其中包含输入图片或帧中对象的可能类别列表。
以下示例展示了此任务的输出数据:
ImageClassifierResult:
Classifications #0 (single classification head):
head index: 0
category #0:
category name: "/m/01bwb9"
display name: "Passer domesticus"
score: 0.91406
index: 671
category #1:
category name: "/m/01bwbt"
display name: "Passer montanus"
score: 0.00391
index: 670
对以下项运行 Bird Classifier 可获得此结果:
在图片分类器示例代码中,ClassificationResultsAdapter.kt
文件中的 ClassificationResultsAdapter
类会处理结果:
fun updateResults(imageClassifierResult: ImageClassifierResult? = null) {
categories = MutableList(adapterSize) { null }
if (imageClassifierResult != null) {
val sortedCategories = imageClassifierResult.classificationResult()
.classifications()[0].categories().sortedBy { it.index() }
val min = kotlin.math.min(sortedCategories.size, categories.size)
for (i in 0 until min) {
categories[i] = sortedCategories[i]
}
}
}