Android용 이미지 분류 가이드

MediaPipe 이미지 분류기 작업을 사용하면 이미지를 분류할 수 있습니다. 이 작업을 사용하여 학습 시 정의된 카테고리 집합에서 이미지가 나타내는 것이 무엇인지 식별할 수 있습니다. 이 안내에서는 Android 앱에서 이미지 분류기를 사용하는 방법을 보여줍니다. 이 안내에 설명된 코드 샘플은 GitHub에서 제공됩니다.

웹 데모에서 이 작업의 작동 방식을 확인할 수 있습니다. 이 태스크의 기능, 모델, 구성 옵션에 대한 자세한 내용은 개요를 참조하세요.

코드 예시

MediaPipe 작업 예시 코드는 Android용 이미지 분류기 앱을 간단하게 구현한 것입니다. 이 예에서는 실제 Android 기기의 카메라를 사용하여 객체를 연속적으로 분류하고 기기 갤러리의 이미지와 동영상을 사용하여 객체를 정적으로 분류할 수도 있습니다.

앱을 자체 Android 앱의 시작점으로 사용하거나 기존 앱을 수정할 때 참고할 수 있습니다. 이미지 분류기 예시 코드는 GitHub에 호스팅됩니다.

코드 다운로드

다음 안내에서는 git 명령줄 도구를 사용하여 예시 코드의 로컬 사본을 만드는 방법을 보여줍니다.

예시 코드를 다운로드하려면 다음 단계를 따르세요.

1. 다음 명령어를 사용하여 git 저장소를 클론합니다.

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

2. 필요한 경우 희소 결제를 사용하도록 git 인스턴스를 구성하여 Image Classifier 예시 앱의 파일만 확보합니다.

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

예시 코드의 로컬 버전을 만든 후 프로젝트를 Android 스튜디오로 가져와서 앱을 실행할 수 있습니다. 자세한 내용은 Android 설정 가이드를 참고하세요.

주요 구성요소

다음 파일에는 이 이미지 분류 예시 애플리케이션에 필요한 중요 코드가 포함되어 있습니다.

• ImageClassifierHelper.kt - 이미지 분류자를 초기화하고 모델을 처리하고 선택을 위임합니다.
• MainActivity.kt - ImageClassificationHelper 및 ClassificationResultsAdapter 호출을 포함하여 애플리케이션을 구현합니다.
• ClassificationResultsAdapter.kt - 결과를 처리하고 형식을 지정합니다.

설정

이 섹션에서는 이미지 분류기를 사용하도록 개발 환경과 코드 프로젝트를 설정하기 위한 주요 단계를 설명합니다. 플랫폼 버전 요구사항을 포함하여 MediaPipe 작업을 사용하기 위한 개발 환경 설정에 관한 일반적인 정보는 Android 설정 가이드를 참고하세요.

종속 항목

이미지 분류기는 com.google.mediapipe:tasks-vision 라이브러리를 사용합니다. 이 종속 항목을 Android 앱 개발 프로젝트의 build.gradle 파일에 추가합니다. 다음 코드를 사용하여 필요한 종속 항목을 가져옵니다.

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

모델

MediaPipe 이미지 분류기 작업에는 이 작업과 호환되는 학습된 모델이 필요합니다. 이미지 분류기에 사용할 수 있는 학습된 모델에 대한 자세한 내용은 작업 개요 모델 섹션을 참조하세요.

모델을 선택 및 다운로드한 후 프로젝트 디렉터리에 저장합니다.

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

BaseOptions.Builder.setModelAssetPath() 메서드를 사용하여 모델에서 사용되는 경로를 지정합니다. 이 메서드는 다음 섹션의 코드 예에서 참조됩니다.

이미지 분류기 예시 코드에서 모델은 ImageClassifierHelper.kt 파일에 정의되어 있습니다.

할 일 만들기

createFromOptions 함수를 사용하여 작업을 만들 수 있습니다. createFromOptions 함수는 실행 모드, 표시 이름 언어, 최대 결과 수, 신뢰도 임곗값, 카테고리 허용 목록 또는 거부 목록을 포함한 구성 옵션을 허용합니다. 구성 옵션에 대한 자세한 내용은 구성 개요를 참고하세요.

이미지 분류기 작업은 정지 이미지, 동영상 파일, 라이브 동영상 스트림의 3가지 입력 데이터 유형을 지원합니다. 작업을 만들 때 입력 데이터 유형에 따라 실행 모드를 지정해야 합니다. 작업을 만들고 추론을 실행하는 방법을 확인하려면 입력 데이터 유형에 해당하는 탭을 선택합니다.

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 코드 구현 예에서는 사용자가 처리 모드 간에 전환할 수 있습니다. 이 접근 방식은 작업 생성 코드를 더 복잡하게 만들고 사용 사례에 적합하지 않을 수 있습니다. ImageClassifierHelper.kt 파일의 setupImageClassifier() 함수에서 이 코드를 확인할 수 있습니다.

구성 옵션

이 작업에는 다음과 같은 Android 앱용 구성 옵션이 있습니다.

데이터 준비

이미지 분류기는 이미지, 동영상 파일, 라이브 스트림 동영상과 함께 사용할 수 있습니다. 이 작업은 크기 조절, 회전, 값 정규화를 포함한 데이터 입력 전처리를 처리합니다.

입력 이미지나 프레임을 이미지 분류기에 전달하기 전에 com.google.mediapipe.framework.image.MPImage 객체로 변환해야 합니다.

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();
    

이미지 분류기 예시 코드에서 데이터 준비는 ImageClassifierHelper.kt 파일에서 처리됩니다.

작업 실행

달리기 모드에 해당하는 classify 함수를 호출하여 추론을 트리거할 수 있습니다. Image Classifier API는 입력 이미지 또는 프레임 내의 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 입력 프레임의 타임스탬프를 이미지 분류기 작업에 제공해야 합니다.
• 이미지 또는 동영상 모드에서 실행되는 경우 이미지 분류기 작업은 입력 이미지 또는 프레임 처리를 완료할 때까지 현재 스레드를 차단합니다. 사용자 인터페이스가 차단되지 않도록 하려면 백그라운드 스레드에서 처리를 실행합니다.
• 라이브 스트림 모드에서 실행되는 경우 이미지 분류기 작업은 현재 스레드를 차단하지 않고 즉시 반환됩니다. 입력 프레임 처리가 완료될 때마다 감지 결과와 함께 결과 리스너를 호출합니다. 이미지 분류기 작업이 다른 프레임을 처리 중일 때 classifyAsync 함수가 호출되면 작업은 새 입력 프레임을 무시합니다.

이미지 분류기 예 코드에서 classify 함수는 ImageClassifierHelper.kt 파일에 정의되어 있습니다.

결과 처리 및 표시

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

다음은 이 작업의 출력 데이터 예를 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 다음에서 새 분류기를 실행하여 얻은 것입니다.

이미지 분류기 예시 코드에서 ClassificationResultsAdapter.kt 파일의 ClassificationResultsAdapter 클래스가 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]
        }
    }
}