La tarea Clasificador de imágenes te permite realizar la clasificación de imágenes. Puedes usar esta tarea para identificar lo que representa una imagen entre un conjunto de categorías definidas en el momento del entrenamiento. En estas instrucciones, se muestra cómo usar el clasificador de imágenes en apps para iOS. La muestra de código que se describe en estas instrucciones está disponible en GitHub.
Puedes ver esta tarea en acción en esta demostración web. Para obtener más información sobre las funciones, los modelos y las opciones de configuración de esta tarea, consulta la Descripción general.
Ejemplo de código
El código de ejemplo de MediaPipe Tasks es una implementación básica de una app de clasificación de imágenes para iOS. En el ejemplo, se usa la cámara de un dispositivo iOS físico para clasificar objetos de forma continua, y también se pueden usar imágenes y videos de la galería del dispositivo para clasificar objetos de forma estática.
Puedes usar la app como punto de partida de tu propia app para iOS o consultarla cuando modifiques una app existente. El código de ejemplo del clasificador de imágenes se aloja en GitHub.
Descarga el código
En las siguientes instrucciones, se muestra cómo crear una copia local del código de ejemplo con la herramienta de línea de comandos git.
Para descargar el código de ejemplo, haz lo siguiente:
Usa el siguiente comando para clonar el repositorio de Git:
git clone https://github.com/google-ai-edge/mediapipe-samples
De manera opcional, configura tu instancia de Git para que use un proceso de confirmación de compra disperso, de modo que solo tengas los archivos para la app de ejemplo del clasificador de imágenes:
cd mediapipe git sparse-checkout init --cone git sparse-checkout set examples/image_classification/ios/
Después de crear una versión local del código de ejemplo, puedes instalar la biblioteca de tareas de MediaPipe, abrir el proyecto con Xcode y ejecutar la app. Para obtener instrucciones, consulta la Guía de configuración para iOS.
Componentes clave
Los siguientes archivos contienen el código fundamental para la aplicación de ejemplo del clasificador de imágenes:
- ImageClassifierService.swift: inicializa el clasificador de imágenes, controla la selección del modelo y ejecuta la inferencia en los datos de entrada.
- CameraViewController.swift: Implementa la IU para el modo de entrada del feed de la cámara en vivo y visualiza los resultados.
- MediaLibraryViewController.swift Implementa la IU para el modo de entrada de archivos de imagen estática y video, y visualiza los resultados.
Configuración
En esta sección, se describen los pasos clave para configurar el entorno de desarrollo y los proyectos de código a fin de usar el clasificador de imágenes. Si quieres obtener información general sobre cómo configurar tu entorno de desarrollo para usar tareas de MediaPipe, incluidos los requisitos de la versión de la plataforma, consulta la Guía de configuración para iOS.
Dependencias
El clasificador de imágenes usa la biblioteca MediaPipeTasksVision
, que se debe instalar con CocoaPods. La biblioteca es compatible con las apps de Swift y Objective-C,
y no requiere ninguna configuración adicional específica de un lenguaje.
Si quieres obtener instrucciones para instalar CocoaPods en macOS, consulta la guía de
instalación de CocoaPods.
Si quieres obtener instrucciones para crear un Podfile
con los Pods necesarios para tu
app, consulta Usa
CocoaPods.
Agrega el pod de MediaPipeTasksVision a Podfile
con el siguiente código:
target 'MyImageClassifierApp' do
use_frameworks!
pod 'MediaPipeTasksVision'
end
Si la app incluye objetivos de prueba de unidades, consulta la Guía de configuración para iOS y obtén información adicional sobre la configuración de tu Podfile
.
Modelo
La tarea del clasificador de imágenes de MediaPipe requiere un modelo entrenado que sea compatible con esta tarea. Si deseas obtener más información sobre los modelos entrenados disponibles para el clasificador de imágenes, consulta la descripción general de la tarea en la sección Modelos.
Selecciona y descarga un modelo, y agrégalo al directorio de tu proyecto con Xcode. Para obtener instrucciones sobre cómo agregar archivos al proyecto de Xcode, consulta Cómo administrar archivos y carpetas en tu proyecto de Xcode.
Usa la propiedad BaseOptions.modelAssetPath
para especificar la ruta de acceso al modelo en tu paquete de aplicación. Para ver un ejemplo de código, consulta la siguiente sección.
Crea la tarea
Puedes crear la tarea del clasificador de imágenes llamando a uno de sus inicializadores. El inicializador ImageClassifier(options:)
establece valores para las opciones de configuración, incluido el modo de ejecución, la configuración regional de nombres visibles, la cantidad máxima de resultados, el umbral de confianza, la lista de entidades permitidas de categorías y la lista de bloqueo.
Si no necesitas un clasificador de imágenes que se inicialice con opciones de configuración personalizadas, puedes usar el inicializador ImageClassifier(modelPath:)
para crear un clasificador de imágenes con las opciones predeterminadas. Para obtener más información sobre las opciones de configuración, consulta Descripción general de la configuración.
La tarea del clasificador de imágenes admite 3 tipos de datos de entrada: imágenes fijas, archivos de video y transmisiones de video en vivo. De forma predeterminada, ImageClassifier(modelPath:)
inicializa una tarea para imágenes estáticas. Si deseas que tu tarea se inicialice para procesar archivos de video o transmisiones de video en vivo, usa ImageClassifier(options:)
para especificar el modo de ejecución de video o transmisión en vivo. El modo de transmisión en vivo también requiere la opción de configuración adicional imageClassifierLiveStreamDelegate
, que permite que el clasificador de imágenes entregue resultados de clasificación de imágenes al delegado de forma asíncrona.
Elige la pestaña correspondiente a tu modo de ejecución para ver cómo crear la tarea y ejecutar la inferencia.
Swift
De imagen
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)
Video
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)
Transmisión en vivo
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
De imagen
@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];
Video
@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];
Transmisión en vivo
@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];
Opciones de configuración
Esta tarea incluye las siguientes opciones de configuración para apps para iOS:
Nombre de la opción | Descripción | Rango de valores | Valor predeterminado |
---|---|---|---|
runningMode |
Establece el modo de ejecución para la tarea. Existen tres modos: IMAGE: El modo para entradas de una sola imagen. VIDEO: Es el modo para los fotogramas decodificados de un video. LIVE_STREAM: Es el modo para una transmisión en vivo de datos de entrada, como los que provienen de una cámara. En este modo, se debe llamar a resultListener para configurar un objeto de escucha a fin de recibir resultados de forma asíncrona. |
{RunningMode.image, RunningMode.video, RunningMode.liveStream } |
RunningMode.image |
displayNamesLocale |
Configura el idioma de las etiquetas que se usarán para los nombres visibles proporcionados en los metadatos del modelo de la tarea, si están disponibles. El valor predeterminado es en para inglés. Puedes agregar etiquetas localizadas a los metadatos de un modelo personalizado
con la API de Metadata Writer de TensorFlow Lite |
Código de configuración regional | en |
maxResults |
Configura la cantidad máxima opcional de resultados de clasificación con puntuación más alta que se mostrarán. Si es inferior a 0, se devolverán todos los resultados disponibles. | Cualquier número positivo | -1 |
scoreThreshold |
Establece el umbral de puntuación de predicción que anula el proporcionado en los metadatos del modelo (si corresponde). Se rechazarán los resultados inferiores a este valor. | Cualquier número de punto flotante | No establecida |
categoryAllowlist |
Establece la lista opcional de nombres de categorías permitidas. Si no está vacío, se filtrarán los resultados de clasificación cuyo nombre de categoría no esté en este conjunto. Los nombres de categorías duplicados o desconocidos se ignoran.
Esta opción es mutuamente excluyente con categoryDenylist , y el uso de ambos da como resultado un error. |
Cualquier cadena | No establecida |
categoryDenylist |
Establece la lista opcional de nombres de categorías que no están permitidas. Si no está vacío, se filtrarán los resultados de clasificación cuyo nombre de categoría se encuentre en este conjunto. Los nombres de categorías duplicados o desconocidos se ignoran. Esta opción es mutuamente
exclusiva con categoryAllowlist , y el uso de ambas da como resultado un error. |
Cualquier cadena | No establecida |
resultListener |
Configura el objeto de escucha de resultados para recibir los resultados de clasificación de forma asíncrona cuando el clasificador de imágenes está en el modo de transmisión en vivo. Solo se puede usar cuando el modo de ejecución está configurado en LIVE_STREAM |
N/A | No establecida |
Configuración de la transmisión en vivo
Cuando el modo de ejecución está configurado en transmisión en vivo, el clasificador de imágenes requiere la opción de configuración adicional imageClassifierLiveStreamDelegate
, que permite al clasificador entregar resultados de clasificación de forma asíncrona. El delegado implementa el método imageClassifier(_:didFinishClassification:timestampInMilliseconds:error:)
, al que el clasificador de imágenes llama después de procesar los resultados de clasificación de cada fotograma.
Nombre de la opción | Descripción | Rango de valores | Valor predeterminado |
---|---|---|---|
imageClassifierLiveStreamDelegate |
Permite que el clasificador de imágenes reciba resultados de clasificación de forma asíncrona en el modo de transmisión en vivo. La clase cuya instancia se establece en esta propiedad debe implementar el método imageClassifier(_:didFinishClassification:timestampInMilliseconds:error:) . |
No aplicable | No establecida |
Preparar los datos
Debes convertir la imagen o el marco de entrada en un objeto MPImage
antes de pasarlo al clasificador de imágenes. MPImage
admite diferentes tipos de formatos de imagen de iOS y puede usarlos en cualquier modo de ejecución para la inferencia. Para obtener más información sobre MPImage
, consulta la API de MPImage.
Elige un formato de imagen de iOS según tu caso de uso y el modo de ejecución que requiera tu aplicación.MPImage
acepta los formatos de imagen de iOS UIImage
, CVPixelBuffer
y CMSampleBuffer
.
UIImage
El formato UIImage
es adecuado para los siguientes modos de ejecución:
Imágenes: Las imágenes de un paquete de aplicación, una galería de usuario o un sistema de archivos con el formato de imágenes
UIImage
se pueden convertir en un objetoMPImage
.Videos: Usa AVAssetImageGenerator para extraer fotogramas de video al formato CGImage y, luego, convertirlos en imágenes
UIImage
.
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];
En el ejemplo, se inicializa un objeto MPImage
con la orientación predeterminada UIImage.Orientation.Up. Puedes inicializar un objeto MPImage
con cualquiera de los valores UIImage.Orientation admitidos. El clasificador de imágenes no admite orientaciones duplicadas, como .upMirrored
, .downMirrored
, .leftMirrored
y .rightMirrored
.
Para obtener más información sobre UIImage
, consulta la documentación de UIImage para desarrolladores de Apple.
CVPixelBuffer
El formato CVPixelBuffer
es adecuado para aplicaciones que generan marcos y usan el framework CoreImage de iOS para el procesamiento.
El formato CVPixelBuffer
es adecuado para los siguientes modos de ejecución:
Imágenes: Las apps que generan imágenes
CVPixelBuffer
después de un procesamiento con el frameworkCoreImage
de iOS se pueden enviar al clasificador de imágenes en el modo de ejecución de imágenes.Videos: Los fotogramas de video se pueden convertir al formato
CVPixelBuffer
para su procesamiento y, luego, se envían al clasificador de imágenes en el modo de video.Transmisión en vivo: Las apps que usan una cámara de iOS para generar fotogramas se pueden convertir al formato
CVPixelBuffer
para su procesamiento antes de enviarse al clasificador de imágenes en el modo de transmisión en vivo.
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];
Para obtener más información sobre CVPixelBuffer
, consulta la documentación para desarrolladores de Apple CVPixelBuffer.
CMSampleBuffer
El formato CMSampleBuffer
almacena muestras de contenido multimedia de un tipo de medio uniforme y es adecuado para el modo de ejecución de transmisión en vivo. Los fotogramas en tiempo real de las cámaras iOS se entregan de forma asíncrona en formato CMSampleBuffer
por AVCaptureVideoDataOutput de iOS.
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];
Para obtener más información sobre CMSampleBuffer
, consulta la documentación de CMSampleBuffer para desarrolladores de Apple.
Ejecuta la tarea
Para ejecutar el clasificador de imágenes, usa el método classify()
específico del modo de ejecución asignado:
- Imagen fija:
classify(image:)
- Video:
classify(videoFrame:timestampInMilliseconds:)
- transmisión en vivo:
classifyAsync(image:timestampInMilliseconds:)
El clasificador de imágenes muestra las categorías posibles para el objeto dentro de la imagen o el marco de entrada.
En las siguientes muestras de código, se presentan ejemplos básicos de cómo ejecutar el clasificador de imágenes en estos diferentes modos de ejecución:
Swift
De imagen
let result = try imageClassifier.classify(image: image)
Video
let result = try imageClassifier.classify( videoFrame: image, timestampInMilliseconds: timestamp)
Transmisión en vivo
try imageClassifier.classifyAsync( image: image, timestampInMilliseconds: timestamp)
Objective‑C
De imagen
MPPImageClassifierResult *result = [imageClassifier classifyImage:image error:nil];
Video
MPPImageClassifierResult *result = [imageClassifier classifyVideoFrame:image timestampInMilliseconds:timestamp error:nil];
Transmisión en vivo
BOOL success = [imageClassifier classifyAsyncImage:image timestampInMilliseconds:timestamp error:nil];
En el ejemplo de código del clasificador de imágenes, se muestran las implementaciones de cada uno de estos modos con más detalle classify(image:)
, classify(videoFrame:timestampInMilliseconds:)
y classifyAsync(image:timestampInMilliseconds:)
. El código de ejemplo permite que el usuario cambie entre los modos de procesamiento, que pueden no ser necesarios para tu caso de uso.
Ten en cuenta lo siguiente:
Cuando ejecutas en modo de video o de transmisión en vivo, también debes proporcionar la marca de tiempo del fotograma de entrada a la tarea del clasificador de imágenes.
Cuando se ejecuta en modo de imagen o video, la tarea clasificador de imágenes bloquea el subproceso actual hasta que termina de procesar la imagen o el marco de entrada. Para evitar que se bloquee el subproceso actual, ejecuta el procesamiento en un subproceso en segundo plano con los frameworks de Dispatch o NSOperation de iOS.
Cuando se ejecuta en el modo de transmisión en vivo, la tarea del clasificador de imágenes se muestra de inmediato y no bloquea el subproceso actual. Invoca el método
imageClassifier(_:didFinishClassification:timestampInMilliseconds:error:)
con el resultado de la clasificación después de procesar cada fotograma de entrada. El clasificador de imágenes invoca este método de forma asíncrona en una cola de envío en serie dedicada. Para mostrar los resultados en la interfaz de usuario, envíalos a la cola principal después de procesarlos. Si se llama a la funciónclassifyAsync
cuando la tarea del clasificador de imágenes está ocupada procesando otro fotograma, el clasificador de imágenes ignora el nuevo marco de entrada.
Cómo controlar y mostrar los resultados
Cuando se ejecuta la inferencia, la tarea del clasificador de imágenes muestra un objeto ImageClassifierResult
que contiene la lista de categorías posibles para los objetos dentro de la imagen o el marco de entrada.
A continuación, se muestra un ejemplo de los datos de salida de esta tarea:
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
Este resultado se obtiene ejecutando el Clasificador de aves en:
En el código de ejemplo del clasificador de imágenes, se demuestra cómo mostrar los resultados de clasificación que muestra la tarea. Consulta el ejemplo de código para obtener más información.