Android용 이미지 분류 가이드

MediaPipe Image Classifier 작업을 사용하면 이미지를 분류할 수 있습니다. 이 작업을 사용하여 학습 시 정의된 카테고리 세트 중에서 이미지가 나타내는 것을 식별할 수 있습니다. 이 안내에서는 이미지 분류 기준을 사용하는 방법을 Android 앱과 함께라면 어떨까요? 이 안내에서 설명하는 코드 샘플은 의 GitHub

웹 데모에서 이 작업의 실제 동작을 확인할 수 있습니다. 기능, 모델, 구성 옵션에 대한 자세한 내용은 개요를 참조하세요.

코드 예

MediaPipe 태스크 코드는 이미지 분류기를 간단하게 구현한 것입니다. Android용 앱인데요. 이 예에서는 실제 Android 기기의 카메라를 사용하여 객체를 지속적으로 분류하고, 객체의 이미지와 동영상을 사용하여 기기 갤러리를 사용하여 객체를 정적으로 분류합니다.

이 앱을 자체 Android 앱의 시작점으로 사용하거나 참조할 수 있습니다. 기존 앱을 수정할 때 이미지 분류 기준 예시 코드는 GitHub

코드 다운로드

다음 안내에서는 예시의 로컬 사본을 만드는 방법을 보여줍니다. git 명령줄 도구를 사용하여 코드를 실행합니다.

예시 코드를 다운로드하려면 다음 안내를 따르세요.

1. 다음 명령어를 사용하여 git 저장소를 클론합니다.

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

2. 원하는 경우 스파스 체크아웃을 사용하도록 git 인스턴스를 구성합니다. 따라서 Image Classifier 예시 앱의 파일만 있습니다.

   cd mediapipe
   git sparse-checkout init --cone
   git sparse-checkout set examples/image_classification/android
   

예시 코드의 로컬 버전을 만든 후 프로젝트를 가져올 수 있습니다. Android 스튜디오로 이동하여 앱을 실행합니다. 지침은 다음을 확인하세요. Android 설정 가이드

주요 구성요소

다음 파일에는 이 이미지에 대한 중요한 코드가 포함되어 있습니다. 애플리케이션 분류에 대한 예:

• ImageClassifierHelper.kt - 이미지 분류자를 초기화하고 모델과 위임을 처리합니다. 선택합니다.
• MainActivity.kt: ImageClassificationHelper 호출을 포함하여 애플리케이션을 구현합니다. ClassificationResultsAdapter입니다.
• ClassificationResultsAdapter.kt - 결과를 처리하고 형식을 지정합니다.

설정

이 섹션에서는 개발 환경을 설정하는 주요 단계를 설명하고 코드 프로젝트를 사용하여 Image Classifier를 사용할 수 있습니다. 일반적인 정보 다음과 같은 MediaPipe 작업을 사용하기 위한 개발 환경 설정 자세한 내용은 Android 설정 가이드

종속 항목

Image Classifier는 com.google.mediapipe:tasks-vision 라이브러리를 사용합니다. 추가 build.gradle 파일에 대한 종속 항목을 Android 앱 개발 프로젝트 다음을 사용하여 필요한 종속 항목을 가져옵니다. 다음 코드를 참조하세요.

dependencies {
    ...
    implementation 'com.google.mediapipe:tasks-vision:latest.release'
}

모델

MediaPipe Image Classifier 작업에는 다음과 호환되는 학습된 모델이 필요합니다. 태스크에 맞추는 것입니다. Image Classifier에 사용할 수 있는 학습된 모델에 대한 자세한 내용은 다음을 참조하세요. 작업 개요의 모델 섹션을 확인합니다.

모델을 선택하고 다운로드한 후 프로젝트 디렉터리에 저장합니다.

<dev-project-root>/src/main/assets

BaseOptions.Builder.setModelAssetPath() 메서드를 사용하여 경로를 지정합니다. 사용됩니다. 이 메서드는 다음 코드 예제에서 참조됩니다. 섹션으로 이동합니다.

이미지 분류 기준 예시 코드 모델은 ImageClassifierHelper.kt에 정의되어 있습니다. 파일에서 참조됩니다.

할 일 만들기

createFromOptions 함수를 사용하여 작업을 만들 수 있습니다. 이 createFromOptions 함수는 실행을 포함한 구성 옵션을 허용합니다. 모드, 표시 이름 언어, 최대 결과 수, 신뢰도 임곗값, 카테고리 허용 목록 또는 차단 목록이 있습니다 구성에 관한 자세한 내용은 옵션은 구성 개요를 참고하세요.

Image Classifier 작업은 정지 이미지, 동영상 파일, 라이브 동영상 스트림이 포함됩니다 실행 중인 모드를 지정하여 입력 데이터 유형을 지정합니다 해당하는 탭을 선택합니다. 입력 데이터 유형을 확인하여 작업을 생성하고 추론을 실행하는 방법을 알아봅니다.

ImageClassifierOptions options =
  ImageClassifierOptions.builder()
    .setBaseOptions(
      BaseOptions.builder().setModelAssetPath("model.tflite").build())
    .setRunningMode(RunningMode.IMAGE)
    .setMaxResults(5)
    .build();
imageClassifier = ImageClassifier.createFromOptions(context, options);
    

ImageClassifierOptions options =
  ImageClassifierOptions.builder()
    .setBaseOptions(
      BaseOptions.builder().setModelAssetPath("model.tflite").build())
    .setRunningMode(RunningMode.VIDEO)
    .setMaxResults(5)
    .build();
imageClassifier = ImageClassifier.createFromOptions(context, options);
    

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)
    

이미지 분류기 예시 코드 구현을 통해 사용자는 처리 모드입니다 이 접근 방식은 작업 생성 코드를 더 복잡하게 만들고 이 사용 사례에 적합하지 않을 수 있습니다. 이 코드는 setupImageClassifier() 함수 ImageClassifierHelper.kt 파일에서 참조됩니다.

구성 옵션

이 작업에는 Android 앱을 위한 다음과 같은 구성 옵션이 있습니다.

데이터 준비

이미지 분류기는 이미지, 동영상 파일, 라이브 스트림 동영상에서 작동합니다. 작업 크기 조절, 회전, 값 등 데이터 입력 전처리를 처리합니다. 정규화를 사용합니다.

입력 이미지 또는 프레임을 com.google.mediapipe.framework.image.MPImage 객체를 이미지 분류 기준.

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();
    

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();
    

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();
    

Image Classifier 예시 코드라면 데이터 준비는 ImageClassifierHelper.kt 드림 파일에서 참조됩니다.

작업 실행

실행 모드에 해당하는 classify 함수를 호출하여 추론을 트리거할 수 있습니다. Image Classifier API는 입력 이미지 또는 프레임 내에서 객체에 대해 가능한 카테고리를 반환합니다.

ImageClassifierResult classifierResult = imageClassifier.classify(image);
    

// 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);
    

// 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);
    

다음에 유의하세요.

• 동영상 모드 또는 라이브 스트림 모드에서 실행하는 경우 Image Classifier 작업에 입력 프레임의 타임스탬프를 제공합니다.
• 이미지 또는 동영상 모드에서 실행하는 경우 이미지 분류기 작업은 입력 이미지 처리가 완료될 때까지 현재 스레드를 차단하거나 있습니다. 사용자 인터페이스가 차단되는 것을 방지하려면 백그라운드 스레드에 한합니다.
• 라이브 스트림 모드에서 실행할 때는 이미지 분류기 작업이 차단되지 않음 즉시 반환됩니다. 그것의 결과를 호출합니다. 탐지 결과 처리를 완료할 때마다 해당 리스너가 탐지 결과를 입력 프레임에 연결됩니다. 이미지 분류기가 호출될 때 classifyAsync 함수가 호출되는 경우 작업이 다른 프레임을 처리하느라 바쁜 경우, 작업은 새 입력 프레임을 무시합니다.

이미지 분류 기준 예시 코드인 classify 함수는 ImageClassifierHelper.kt 파일에서 참조됩니다.

결과 처리 및 표시

추론을 실행하면 Image Classifier 작업은 입력 이미지 또는 프레임 내의 객체에 가능한 카테고리 목록이 포함된 ImageClassifierResult 객체를 반환합니다.

다음은 이 작업의 출력 데이터 예시를 보여줍니다.

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

이 결과는 Bird Classifier를 실행하여 얻은 것입니다. 날짜:

Image Classifier 예시 코드인 ClassificationResultsAdapter 클래스는 ClassificationResultsAdapter.kt 파일이 결과를 처리합니다.

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]
        }
    }
}