La tâche "Outil de classification d'images" vous permet d'effectuer une classification sur des images. Vous pouvez utiliser cette tâche pour identifier ce qu'une image représente dans un ensemble de catégories définies lors de l'entraînement. Ces instructions vous expliquent comment utiliser le classificateur d'images Applications iOS. L'exemple de code décrit dans ces instructions est disponible sur GitHub
Pour voir une démonstration de cette tâche, consultez cette page Web une démonstration. Pour plus d'informations sur les fonctionnalités, les modèles et les options de configuration cette tâche, consultez les Aperçu.
Exemple de code
L'exemple de code MediaPipe Tasks est une implémentation de base d'un classificateur d'images pour iOS. L'exemple utilise l'appareil photo d'un appareil iOS physique pour classer des objets en continu, et utiliser des images et des vidéos provenant la galerie d'appareils pour classer les objets de manière statique.
Vous pouvez utiliser l'application comme point de départ pour votre propre application iOS ou vous y référer. lorsque vous modifiez une application existante. L'exemple de code pour le classificateur d'images est hébergé GitHub
Télécharger le code
Les instructions suivantes vous expliquent comment créer une copie locale de l'exemple à l'aide de l'outil de ligne de commande git.
<ph type="x-smartling-placeholder">Pour télécharger l'exemple de code:
Clonez le dépôt Git à l'aide de la commande suivante:
git clone https://github.com/google-ai-edge/mediapipe-samples
Si vous le souhaitez, vous pouvez configurer votre instance Git pour utiliser le paiement creuse. uniquement les fichiers de l'application exemple de classificateur d'images:
cd mediapipe git sparse-checkout init --cone git sparse-checkout set examples/image_classification/ios/
Après avoir créé une version locale de l'exemple de code, vous pouvez installer bibliothèque de tâches MediaPipe, ouvrez le projet avec Xcode et exécutez l'application. Pour instructions, consultez le Guide de configuration pour iOS.
Composants clés
Les fichiers suivants contiennent le code essentiel pour l'exemple de l'outil de classification d'images application:
- ImageClassifierService.swift: Initialise le classificateur d'images, gère la sélection du modèle et exécute une inférence sur les données d'entrée.
- CameraViewController.swift: Implémentation de l'interface utilisateur pour le mode de saisie du flux de caméra en direct et visualisation des résultats
- MediaLibraryViewController.swift Implémente l'interface utilisateur pour le mode de saisie des images fixes et des fichiers vidéo, puis visualise les résultats.
Configuration
Cette section décrit les étapes clés à suivre pour configurer votre environnement de développement pour utiliser le classificateur d'images. Pour obtenir des informations générales sur la configuration environnement de développement permettant d'utiliser des tâches MediaPipe, y compris la version de la plate-forme consultez le Guide de configuration pour iOS.
<ph type="x-smartling-placeholder">Dépendances
Le classificateur d'images utilise la bibliothèque MediaPipeTasksVision
, qui doit être installée
à l'aide de CocoaPods. La bibliothèque est compatible avec les applications Swift et Objective-C
et ne nécessite aucune configuration de langue supplémentaire.
Pour obtenir des instructions sur l'installation de CocoaPods sous macOS, reportez-vous au document CocoaPods
guide d'installation.
Pour savoir comment créer un Podfile
avec les pods nécessaires pour votre
consultez la section Utilisation
CocoaPods
Ajoutez le pod MediaPipeTasksVision dans le fichier Podfile
à l'aide du code suivant:
target 'MyImageClassifierApp' do
use_frameworks!
pod 'MediaPipeTasksVision'
end
Si votre application inclut des cibles de tests unitaires, reportez-vous au Guide de configuration
iOS.
votre Podfile
.
Modèle
La tâche de classification d'images MediaPipe nécessite un modèle entraîné et compatible pour cette tâche. Pour en savoir plus sur les modèles entraînés disponibles pour de classificateur d'images, consultez la présentation des tâches Modèles .
Sélectionnez et téléchargez un modèle, puis ajoutez-le au répertoire de votre projet à l'aide de Xcode. Pour savoir comment ajouter des fichiers à votre projet Xcode, reportez-vous à la section Gestion fichiers et dossiers dans votre Xcode projet.
Utilisez la propriété BaseOptions.modelAssetPath
pour spécifier le chemin d'accès au modèle.
dans votre app bundle. Pour obtenir un exemple de code, consultez la section suivante.
Créer la tâche
Vous pouvez créer la tâche de classificateur d'images en appelant l'un de ses initialiseurs. La
L'initialiseur ImageClassifier(options:)
définit les valeurs des options de configuration
y compris le mode de course, les paramètres régionaux des noms à afficher, le nombre maximal de résultats, le niveau de confiance
un seuil, une liste d'autorisation de catégories et une liste de blocage.
Si vous n'avez pas besoin qu'un classificateur d'images soit initialisé avec une configuration personnalisée
vous pouvez utiliser l'initialiseur ImageClassifier(modelPath:)
pour créer
Classificateur d'images avec les options par défaut. Pour en savoir plus sur la configuration
consultez la page Présentation de la configuration.
La tâche "Outil de classification d'images" accepte trois types de données d'entrée: images fixes et fichiers vidéo
et les flux vidéo en direct. Par défaut, ImageClassifier(modelPath:)
initialise un
pour les images fixes. Si vous souhaitez que votre tâche soit initialisée pour traiter des vidéos
ou de flux vidéo en direct, utilisez ImageClassifier(options:)
pour spécifier le
vidéo ou de diffusion en direct. Le mode diffusion en direct nécessite également
l'option de configuration imageClassifierLiveStreamDelegate
supplémentaire, qui
permet au classificateur d'images de fournir des résultats de classification d'images
déléguer de manière asynchrone.
Choisissez l'onglet correspondant à votre mode d'exécution pour découvrir comment créer la tâche. et exécuter des inférences.
Swift
Image
import MediaPipeTasksVision let modelPath = Bundle.main.path(forResource: "model", ofType: "tflite") let options = ImageClassifierOptions() options.baseOptions.modelAssetPath = modelPath options.runningMode = .image options.maxResults = 5 let imageClassifier = try ImageClassifier(options: options)
Vidéo
import MediaPipeTasksVision let modelPath = Bundle.main.path(forResource: "model", ofType: "tflite") let options = ImageClassifierOptions() options.baseOptions.modelAssetPath = modelPath options.runningMode = .video options.maxResults = 5 let imageClassifier = try ImageClassifier(options: options)
Diffusion en direct
import MediaPipeTasksVision // Class that conforms to the `ImageClassifierLiveStreamDelegate` protocol and // implements the method that the image classifier calls once it // finishes performing classification on each input frame. class ImageClassifierResultProcessor: NSObject, ImageClassifierLiveStreamDelegate { func imageClassifier( _ imageClassifier: ImageClassifier, didFinishClassification result: ImageClassifierResult?, timestampInMilliseconds: Int, error: Error?) { // Process the image classifier result or errors here. } } let modelPath = Bundle.main.path( forResource: "model", ofType: "tflite") let options = ImageClassifierOptions() options.baseOptions.modelAssetPath = modelPath options.runningMode = .liveStream options.maxResults = 5 // Assign an object of the class to the `imageClassifierLiveStreamDelegate` // property. let processor = ImageClassifierResultProcessor() options.imageClassifierLiveStreamDelegate = processor let imageClassifier = try ImageClassifier(options: options)
Objective-C
Image
@import MediaPipeTasksVision; NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"model" ofType:@"tflite"]; MPPImageClassifierOptions *options = [[MPPImageClassifierOptions alloc] init]; options.baseOptions.modelAssetPath = modelPath; options.runningMode = MPPRunningModeImage; options.maxResults = 5; MPPImageClassifier *imageClassifier = [[MPPImageClassifier alloc] initWithOptions:options error:nil];
Vidéo
@import MediaPipeTasksVision; NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"model" ofType:@"tflite"]; MPPImageClassifierOptions *options = [[MPPImageClassifierOptions alloc] init]; options.baseOptions.modelAssetPath = modelPath; options.runningMode = MPPRunningModeVideo; options.maxResults = 5; MPPImageClassifier *imageClassifier = [[MPPImageClassifier alloc] initWithOptions:options error:nil];
Diffusion en direct
@import MediaPipeTasksVision; // Class that conforms to the `MPPImageClassifierLiveStreamDelegate` protocol // and implements the method that the image classifier calls once it finishes // performing classification on each input frame. @interface APPImageClassifierResultProcessor : NSObject@end @implementation APPImageClassifierResultProcessor - (void)imageClassifier:(MPPImageClassifier *)imageClassifier didFinishClassificationWithResult:(MPPImageClassifierResult *)imageClassifierResult timestampInMilliseconds:(NSInteger)timestampInMilliseconds error:(NSError *)error { // Process the image classifier result or errors here. } @end NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"model" ofType:@"tflite"]; MPPImageClassifierOptions *options = [[MPPImageClassifierOptions alloc] init]; options.baseOptions.modelAssetPath = modelPath; options.runningMode = MPPRunningModeLiveStream; options.maxResults = 5; // Assign an object of the class to the `imageClassifierLiveStreamDelegate` // property. APPImageClassifierResultProcessor *processor = [APPImageClassifierResultProcessor new]; options.imageClassifierLiveStreamDelegate = processor; MPPImageClassifier *imageClassifier = [[MPPImageClassifier alloc] initWithOptions:options error:nil];
Options de configuration
Cette tâche comporte les options de configuration suivantes pour les applications iOS:
Nom de l'option | Description | Plage de valeurs | Valeur par défaut |
---|---|---|---|
runningMode |
Définit le mode d'exécution de la tâche. Il y en a trois
modes: IMAGE: mode utilisé pour la saisie d'une seule image. VIDEO: mode des images décodées d'une vidéo. LIVE_STREAM: mode d'une diffusion en direct des entrées provenant d'un appareil photo, par exemple. Dans ce mode, resultListener doit être appelé pour configurer un écouteur afin de recevoir les résultats ; de manière asynchrone. |
{RunningMode.image, RunningMode.video, RunningMode.liveStream } |
RunningMode.image |
displayNamesLocale |
Définit la langue des libellés à utiliser pour les noms à afficher fournis dans les
les métadonnées du modèle de la tâche, le cas échéant. La valeur par défaut est en pour
anglais. Vous pouvez ajouter des libellés localisés aux métadonnées d'un modèle personnalisé
à l'aide de l'API TensorFlow Lite Metadata Writer ; |
Code des paramètres régionaux | en |
maxResults |
Définit le nombre maximal facultatif de résultats de classification les mieux notés sur retour. Si < 0, tous les résultats disponibles sont renvoyés. | Tous les nombres positifs | -1 |
scoreThreshold |
Définit le seuil de score de prédiction qui remplace celui indiqué dans les métadonnées du modèle (le cas échéant). Les résultats inférieurs à cette valeur sont refusés. | N'importe quel nombre décimal | Non défini |
categoryAllowlist |
Définit la liste facultative des noms de catégories autorisés. Si ce champ n'est pas vide,
les résultats de classification dont le nom de catégorie ne fait pas partie de cet ensemble seront
filtrées. Les noms de catégories en double ou inconnus sont ignorés.
Cette option s'exclue mutuellement avec categoryDenylist et utilise
génèrent une erreur. |
Toutes les chaînes | Non défini |
categoryDenylist |
Définit la liste facultative des noms de catégories non autorisés. Si
non vide, les résultats de classification dont le nom de catégorie se trouve dans cet ensemble seront filtrés
s'affiche. Les noms de catégories en double ou inconnus sont ignorés. Cette option est mutuellement
exclusive avec categoryAllowlist et l'utilisation des deux entraîne une erreur. |
Toutes les chaînes | Non défini |
resultListener |
Définit l'écouteur des résultats pour qu'il reçoive les résultats de la classification.
de manière asynchrone lorsque le classificateur d'images est inclus dans la diffusion en direct.
. Ne peut être utilisé que lorsque le mode d'exécution est défini sur LIVE_STREAM |
N/A | Non défini |
Configuration de la diffusion en direct
Lorsque le mode d'exécution est configuré pour une diffusion en direct, le classificateur d'images requiert
l'option de configuration imageClassifierLiveStreamDelegate
supplémentaire, qui
permet au classificateur de fournir des résultats de classification de manière asynchrone. La
implémente le délégué
imageClassifier(_:didFinishClassification:timestampInMilliseconds:error:)
que le classificateur d'images appelle après le traitement de la classification
pour chaque frame.
Nom de l'option | Description | Plage de valeurs | Valeur par défaut |
---|---|---|---|
imageClassifierLiveStreamDelegate |
Permet au classificateur d'images de recevoir les résultats de classification de manière asynchrone
en mode diffusion en direct. La classe dont l'instance est définie sur cette propriété doit :
implémenter
imageClassifier(_:didFinishClassification:timestampInMilliseconds:error:)
. |
Non applicable | Non défini |
Préparer les données
Vous devez convertir l'image ou le cadre d'entrée en objet MPImage
avant
et le transmettre au classificateur d'images. MPImage
est compatible avec différents types d'images iOS
et peuvent les utiliser dans n'importe quel mode d'exécution pour l'inférence. Pour plus
plus d'informations sur MPImage
, consultez
API MPImage
Choisissez un format d'image iOS en fonction de votre cas d'utilisation et du mode de course que vous
requise par l'application.MPImage
accepte les règles de confidentialité UIImage
, CVPixelBuffer
et
CMSampleBuffer
formats d'image iOS.
UIImage
Le format UIImage
convient bien aux modes d'exécution suivants:
Images : images d'un app bundle, d'une galerie d'utilisateur ou d'un système de fichiers au format suivant : Les images
UIImage
peuvent être converties en objetMPImage
.Vidéos: utilisez AVAssetImageGenerator. pour extraire des images vidéo CGImage le format d'image, puis les convertir en
UIImage
images.
Swift
// 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)
Objective-C
// 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];
L'exemple initialise un MPImage
avec les valeurs par défaut
UIImage.Orientation.Up
l'orientation. Vous pouvez initialiser un MPImage
avec n'importe laquelle des
UIImage.Orientation
valeurs. Le classificateur d'images n'est pas compatible avec les orientations en miroir telles que .upMirrored
,
.downMirrored
, .leftMirrored
et .rightMirrored
.
Pour plus d'informations sur UIImage
, reportez-vous à UIImage Apple Developer
documentation.
CVPixelBuffer
Le format CVPixelBuffer
convient bien aux applications qui génèrent des frames
et utiliser la classe iOS CoreImage
pour le traitement.
Le format CVPixelBuffer
convient bien aux modes d'exécution suivants:
Images: applications qui génèrent
CVPixelBuffer
images après un traitement utilisant le frameworkCoreImage
d'iOS peut être envoyé au classificateur d'images d'exécution de l'image.Vidéos: les images vidéo peuvent être converties au format
CVPixelBuffer
pour avant de les envoyer au classificateur d'images en mode vidéo.Diffusion en direct: les applications utilisant un appareil photo iOS pour générer des images peuvent être converties au format
CVPixelBuffer
pour être traité avant d'être envoyé au Classificateur d'images en mode diffusion en direct.
Swift
// 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)
Objective-C
// 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];
Pour plus d'informations sur CVPixelBuffer
, reportez-vous au fichier CVPixelBuffer
Développeur
documentation.
CMSampleBuffer
Le format CMSampleBuffer
stocke des échantillons multimédias d'un type uniforme et est
bien adapté au streaming en direct. Les images en direct des appareils photo iOS sont
envoyé de manière asynchrone au format CMSampleBuffer
par iOS
AVCaptureVideoDataOutput.
Swift
// 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)
Objective-C
// 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];
Pour plus d'informations sur CMSampleBuffer
, reportez-vous au fichier CMSampleBuffer
Développeur
documentation.
Exécuter la tâche
Pour exécuter le classificateur d'images, utilisez la méthode classify()
spécifique à l'instance
en cours d'exécution:
- Image fixe:
classify(image:)
- Vidéo :
classify(videoFrame:timestampInMilliseconds:)
- diffusion en direct:
classifyAsync(image:timestampInMilliseconds:)
Le classificateur d'images renvoie les catégories possibles pour l'objet dans le l'image ou le cadre d'entrée.
Les exemples de code suivants illustrent des exemples de base illustrant comment exécuter le classificateur d'images dans ces différents modes de fonctionnement:
Swift
Image
let result = try imageClassifier.classify(image: image)
Vidéo
let result = try imageClassifier.classify( videoFrame: image, timestampInMilliseconds: timestamp)
Diffusion en direct
try imageClassifier.classifyAsync( image: image, timestampInMilliseconds: timestamp)
Objective-C
Image
MPPImageClassifierResult *result = [imageClassifier classifyImage:image error:nil];
Vidéo
MPPImageClassifierResult *result = [imageClassifier classifyVideoFrame:image timestampInMilliseconds:timestamp error:nil];
Diffusion en direct
BOOL success = [imageClassifier classifyAsyncImage:image timestampInMilliseconds:timestamp error:nil];
L'exemple de code du classificateur d'images montre les implémentations de chacun de ces modes
classify(image:)
,
classify(videoFrame:timestampInMilliseconds:)
classifyAsync(image:timestampInMilliseconds:)
L'exemple de code autorise
à l'utilisateur de passer d'un mode de traitement à un autre, ce qui n'est peut-être pas nécessaire
.
Veuillez noter les points suivants :
Lorsque vous utilisez le mode vidéo ou le mode direct, vous devez également fournir le du code temporel de la trame d'entrée à la tâche de classificateur d'images.
Lors de l'exécution en mode image ou vidéo, la tâche "Classificateur d'image" bloque thread actuel jusqu'à ce qu'il ait fini de traiter l'image ou le frame d'entrée. À éviter de bloquer le thread actuel, exécuter le traitement en arrière-plan thread utilisant iOS Dispatch ou NSOperation cadres réglementaires.
Lors de l'exécution en mode diffusion en direct, la tâche de classification d'image est immédiatement renvoyée et ne bloque pas le thread actuel. Elle appelle
imageClassifier(_:didFinishClassification:timestampInMilliseconds:error:)
avec le résultat de la classification après le traitement de chaque trame d'entrée. La Le classificateur d'images invoque cette méthode de manière asynchrone sur une liaison série la file d'attente de distribution. Pour afficher les résultats dans l'interface utilisateur, envoyez la dans la file d'attente principale après leur traitement. Si le La fonctionclassifyAsync
est appelée lorsque la tâche de classification d'images est occupée. traite une autre image, le classificateur d'images ignore la nouvelle trame d'entrée.
Gérer et afficher les résultats
Lors de l'exécution de l'inférence, la tâche de classification d'images renvoie une
Un objet ImageClassifierResult
contenant la liste des catégories possibles
pour les objets dans l'image
ou le cadre d'entrée.
Voici un exemple de données de sortie de cette tâche:
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
Ce résultat a été obtenu en exécutant le classificateur d'oiseaux. sur:
L'exemple de code du classificateur d'images montre comment afficher la classification renvoyés par la tâche, consultez le code exemple pour en savoir plus.