MediaPipe 이미지 세그먼트 도구 작업을 사용하면 사전 정의된 카테고리를 흐리게 처리할 수 있습니다. 이러한 안내에서는 Android 앱에서 이미지 분류기를 사용하는 방법을 보여줍니다. 코드 이 지침에서 설명하는 예제는 GitHub 기능, 모델, 구성 옵션에 대한 자세한 내용은 개요를 참조하세요.
코드 예
MediaPipe 태스크 코드 예에는 Android용 이미지 분류기 앱:
예에서는 실제 Android 기기의 카메라를 사용하여 라이브 카메라 피드에서 이미지 세분화를 수행하거나 이미지를 선택한 후 동영상을 볼 수 있습니다. 앱을 사용하여 기존 앱을 수정할 때 참조할 수 있습니다. 이 이미지 세그먼트 도구 예시 코드가 호스팅되는 위치 GitHub
다음 섹션에서는 카테고리 마스크가 있는 이미지 세분화 도구 있습니다.
코드 다운로드
다음 안내에서는 예시의 로컬 사본을 만드는 방법을 보여줍니다. git 명령줄 도구를 사용하여 코드를 실행합니다.
<ph type="x-smartling-placeholder">예시 코드를 다운로드하려면 다음 안내를 따르세요.
- 다음 명령어를 사용하여 git 저장소를 클론합니다.
git clone https://github.com/google-ai-edge/mediapipe-samples
- 원하는 경우 스파스 체크아웃을 사용하도록 git 인스턴스를 구성합니다.
따라서 이미지 분류기 예시 앱의 파일만 있습니다.
cd mediapipe git sparse-checkout init --cone git sparse-checkout set examples/image_segmentation/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. 세분화 예제 애플리케이션:
- ImageSegmenterHelper.kt - 이미지 세그먼트 도구를 초기화하고 모델과 위임을 처리합니다. 선택합니다.
- CameraFragment.kt 카메라의 사용자 인터페이스와 제어 코드를 제공합니다.
- GalleryFragment.kt: 사용자 인터페이스와 이미지 및 동영상 선택을 위한 제어 코드를 제공합니다. 할 수 있습니다.
- OverlayView.kt - 세분화 결과를 처리하고 형식을 지정합니다.
설정
이 섹션에서는 개발 환경을 설정하는 주요 단계를 설명하고 사용하여 Image Segmenter를 사용할 수 있습니다 일반적인 정보 다음과 같은 MediaPipe 작업을 사용하기 위한 개발 환경 설정 자세한 내용은 Android 설정 가이드
<ph type="x-smartling-placeholder">종속 항목
Image Segmenter는 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 이미지 세분화 작업에는 다음과 호환되는 학습된 모델이 필요합니다. 태스크에 맞추는 것입니다. 이미지 세분화 도구에 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 세분화 도구에서
예시 코드
모델은 ImageSegmenterHelper.kt
에 정의되어 있습니다.
클래스에 대해 setupImageSegmenter()
함수를 사용할 수 있습니다.
할 일 만들기
createFromOptions
함수를 사용하여 작업을 만들 수 있습니다. 이
createFromOptions
함수는 마스크 출력을 포함한 구성 옵션을 허용합니다.
있습니다. 태스크 구성에 대한 자세한 내용은 다음을 참조하세요.
구성 옵션.
이미지 분류기 작업은 정지 이미지, 동영상 파일, 라이브 동영상 스트림 등이 있습니다. 실행 모드를 지정해야 합니다. 해당 입력 데이터 유형에 해당하는 쿼리를 생성할 수 있습니다 탭을 선택합니다. 해당 작업을 만드는 방법을 확인할 수 있습니다.
이미지
ImageSegmenterOptions options = ImageSegmenterOptions.builder() .setBaseOptions( BaseOptions.builder().setModelAssetPath("model.tflite").build()) .setRunningMode(RunningMode.IMAGE) .setOutputCategoryMask(true) .setOutputConfidenceMasks(false) .build(); imagesegmenter = ImageSegmenter.createFromOptions(context, options);
동영상
ImageSegmenterOptions options = ImageSegmenterOptions.builder() .setBaseOptions( BaseOptions.builder().setModelAssetPath("model.tflite").build()) .setRunningMode(RunningMode.VIDEO) .setOutputCategoryMask(true) .setOutputConfidenceMasks(false) .build(); imagesegmenter = ImageSegmenter.createFromOptions(context, options);
실시간 스트림
ImageSegmenterOptions options = ImageSegmenterOptions.builder() .setBaseOptions( BaseOptions.builder().setModelAssetPath("model.tflite").build()) .setRunningMode(RunningMode.LIVE_STREAM) .setOutputCategoryMask(true) .setOutputConfidenceMasks(false) .setResultListener((result, inputImage) -> { // Process the segmentation result here. }) .setErrorListener((result, inputImage) -> { // Process the segmentation errors here. }) .build() imagesegmenter = ImageSegmenter.createFromOptions(context, options)
이미지 세그먼트 도구 예제 코드 구현을 통해 사용자는
처리 모드입니다 이 접근 방식은 작업 생성 코드를 더 복잡하게 만들고
이 사용 사례에 적합하지 않을 수 있습니다. 이 코드는
ImageSegmenterHelper
드림
클래스를 setupImageSegmenter()
함수로 표현합니다.
구성 옵션
이 작업에는 Android 앱을 위한 다음과 같은 구성 옵션이 있습니다.
옵션 이름 | 설명 | 값 범위 | 기본값 |
---|---|---|---|
runningMode |
작업의 실행 모드를 설정합니다. 세 가지
모드: IMAGE: 단일 이미지 입력 모드입니다. 동영상: 동영상의 디코딩된 프레임 모드입니다. LIVE_STREAM: 입력의 라이브 스트림 모드 데이터를 수집할 수 있습니다. 이 모드에서는 resultListener가 결과를 수신하도록 리스너를 설정하기 위해 호출 있습니다. |
{IMAGE, VIDEO, LIVE_STREAM } |
IMAGE |
outputCategoryMask |
True 로 설정하면 세분화 마스크가 출력에 포함됩니다.
uint8 이미지로, 각 픽셀 값은 낙찰된 카테고리를 나타냄
값으로 사용됩니다. |
{True, False } |
False |
outputConfidenceMasks |
True 로 설정하면 세분화 마스크가 출력에 포함됩니다.
부동 소수점 값 이미지로, 각 부동 소수점 값은 신뢰도를 나타냅니다.
카테고리별 점수 맵입니다. |
{True, False } |
True |
displayNamesLocale |
작업 모델의 메타데이터입니다(있는 경우). 기본값은 en 입니다.
영어입니다. 커스텀 모델의 메타데이터에 현지화된 라벨을 추가할 수 있습니다.
TensorFlow Lite Metadata Writer API 사용 |
언어 코드 | en |
resultListener |
세분화 결과를 수신하도록 결과 리스너를 설정합니다.
이미지 세그먼트 도구가 LIVE_STREAM 모드일 때 비동기식으로 처리됩니다.
달리기 모드가 LIVE_STREAM 로 설정된 경우에만 사용할 수 있습니다. |
해당 사항 없음 | 해당 사항 없음 |
errorListener |
선택적 오류 리스너를 설정합니다. | 해당 사항 없음 | 설정되지 않음 |
데이터 준비
이미지 세분화 도구는 이미지, 동영상 파일, 라이브 스트림 동영상과 함께 사용할 수 있습니다. 작업 크기 조절, 회전, 값 등 데이터 입력 전처리를 처리합니다. 정규화를 사용합니다.
입력 이미지 또는 프레임을
com.google.mediapipe.framework.image.MPImage
객체를
이미지 세그먼테이터입니다.
이미지
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();
동영상
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();
실시간 스트림
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 세그먼트 예시 코드에서는 데이터 준비가
ImageSegmenterHelper
드림
클래스를 segmentLiveStreamFrame()
함수로 구현합니다.
작업 실행
사용 중인 실행 모드에 따라 다른 segment
함수를 호출합니다.
Image Segmenter 함수는
입력 이미지 또는 프레임이 있습니다.
이미지
ImageSegmenterResult segmenterResult = imagesegmenter.segment(image);
동영상
// 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. ImageSegmenterResult segmenterResult = imagesegmenter.segmentForVideo(image, frameTimestampMs);
실시간 스트림
// Run inference on the frame. The segmentations results will be available via // the `resultListener` provided in the `ImageSegmenterOptions` when the image // segmenter was created. imagesegmenter.segmentAsync(image, frameTimestampMs);
다음에 유의하세요.
- 동영상 모드 또는 라이브 스트림 모드에서 실행하는 경우 이미지 세그먼트 도구 작업에 입력 프레임의 타임스탬프를 제공합니다.
- 이미지 또는 동영상 모드에서 실행하는 경우 이미지 세분화 도구 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 세그먼트 도구가 호출될 때
segmentAsync
함수가 호출되는 경우 작업이 다른 프레임을 처리하느라 바쁜 경우, 작업은 새 입력 프레임을 무시합니다.
이미지 세분화기 코드 예에서 segment
함수는
ImageSegmenterHelper.kt
파일에서 참조됩니다.
결과 처리 및 표시
추론을 실행하면 Image Segmenter 작업은 ImageSegmenterResult
를 반환합니다.
세그먼테이션 작업의 결과가 포함된 객체를 반환합니다. 이
출력은 작업 시 설정한 outputType
에 따라
작업을 구성했습니다.
다음 섹션에서는 이 작업의 출력 데이터 예시를 보여줍니다.
카테고리 신뢰도
다음 이미지는 카테고리의 작업 출력을 시각화한 것입니다.
신뢰도 마스크. 신뢰도 마스크 출력에는
[0, 1]
원본 이미지 및 카테고리 신뢰도 마스크 출력. 출처: 파스칼 VOC 2012 데이터 세트입니다.
카테고리 값
다음 이미지는 카테고리의 작업 출력을 시각화한 것입니다.
값 마스크. 카테고리 마스크 범위는 [0, 255]
이며 각 픽셀 값입니다.
모델 출력의 우수 카테고리 지수를 나타냅니다. 수상 부문
모델이 인식할 수 있는 카테고리 중 가장 높은 점수를 나타냅니다.
원본 이미지 및 카테고리 마스크 출력. 출처: 파스칼 VOC 2012 데이터 세트입니다.