इमेज सेगमेंटर टास्क की मदद से, पहले से तय की गई इमेज के हिसाब से इमेज को अलग-अलग इलाकों में बांटा जा सकता है और बैकग्राउंड को धुंधला करने जैसे विज़ुअल इफ़ेक्ट भी इस्तेमाल कर सकते हैं. ये निर्देशों में आपको iOS ऐप्लिकेशन के साथ इमेज सेगमेंटर को इस्तेमाल करने का तरीका बताया गया है.
इन निर्देशों में बताया गया कोड सैंपल यहां उपलब्ध है GitHub.
वेब पर, इस टास्क को काम करते हुए देखा जा सकता है डेमो. क्षमताओं, मॉडल, और कॉन्फ़िगरेशन के विकल्पों के बारे में ज़्यादा जानकारी पाने के लिए उस टास्क की जानकारी देखें, तो खास जानकारी.
कोड का उदाहरण
MediaPipe टास्क कोड के उदाहरण में iOS के लिए इमेज सेगमेंटर ऐप्लिकेशन.
इस उदाहरण में एक इमेज सेगमेंटर लागू किया गया है, जो कैटगरी मास्क देता है. यह लाइव स्ट्रीम के दौरान इमेज को अलग-अलग सेगमेंट में बांटने के लिए, iOS डिवाइस का कैमरा इस्तेमाल किया है कैमरा फ़ीड या डिवाइस की गैलरी की इमेज और वीडियो पर.
इस ऐप्लिकेशन का इस्तेमाल, अपने iOS ऐप्लिकेशन के लिए शुरुआती पॉइंट के तौर पर किया जा सकता है या इसे रेफ़रंस के तौर पर इस्तेमाल किया जा सकता है. को अपडेट करें. इमेज सेगमेंटर का उदाहरण कोड इस पर होस्ट किया गया है GitHub.
कोड डाउनलोड करें
नीचे दिए गए निर्देशों में आपको उदाहरण की स्थानीय कॉपी बनाने का तरीका बताया गया है git कमांड लाइन टूल का इस्तेमाल करके कोड बनाना और उसमें बदलाव करना.
उदाहरण कोड डाउनलोड करने के लिए:
नीचे दिए गए कमांड का इस्तेमाल करके git रिपॉज़िटरी का क्लोन बनाएं:
git clone https://github.com/google-ai-edge/mediapipe-samples/
वैकल्पिक रूप से, विरल चेकआउट का इस्तेमाल करने के लिए अपने git इंस्टेंस को कॉन्फ़िगर करें, ताकि सिर्फ़ इमेज सेगमेंटर के उदाहरण ऐप्लिकेशन की फ़ाइलें:
cd mediapipe git sparse-checkout init --cone git sparse-checkout set examples/image_segmentation/ios/
उदाहरण के कोड का लोकल वर्शन बनाने के बाद, MediaPipe टास्क लाइब्रेरी में, Xcode का इस्तेमाल करके प्रोजेक्ट खोलें और ऐप्लिकेशन चलाएं. इसके लिए निर्देशों के लिए, iOS के लिए सेटअप गाइड देखें.
मुख्य कॉम्पोनेंट
नीचे दी गई फ़ाइलों में इमेज सेगमेंटर उदाहरण के लिए ज़रूरी कोड शामिल है ऐप्लिकेशन:
- ImageSegmenterService.swift: इमेज सेगमेंटर को शुरू करता है, मॉडल चुनने का काम हैंडल करता है, और काम करता है इनपुट डेटा का अनुमान है.
- CameraViewController.swift: यह लाइव कैमरा फ़ीड के इनपुट मोड के लिए, यूज़र इंटरफ़ेस (यूआई) लागू करता है. साथ ही, नतीजे.
- MediaLibraryViewController.swift स्टिल इमेज और वीडियो फ़ाइल के इनपुट मोड के लिए यूज़र इंटरफ़ेस (यूआई) लागू करता है और नतीजों को विज़ुअलाइज़ करता है.
सेटअप
इस सेक्शन में, आपके डेवलपमेंट एनवायरमेंट को सेट अप करने और इमेज सेगमेंटर का इस्तेमाल करने के लिए कोड प्रोजेक्ट. अपना खाता सेट अप करने के बारे में MediaPipe टास्क के लिए डेवलपमेंट एनवायरमेंट. इसमें प्लैटफ़ॉर्म वर्शन भी शामिल है ज़रूरी शर्तों के बारे में जानने के लिए, iOS के लिए सेटअप गाइड देखें.
डिपेंडेंसी
इमेज सेगमेंटर, MediaPipeTasksVision
लाइब्रेरी का इस्तेमाल करता है, जिसे इंस्टॉल करना ज़रूरी होता है
CocoaPods का इस्तेमाल करके. यह लाइब्रेरी Swift और Objective-C, दोनों ऐप्लिकेशन के साथ काम करती है
इसके लिए, अलग से किसी भाषा के सेटअप की ज़रूरत नहीं होती.
macOS पर CocoaPods को इंस्टॉल करने के निर्देशों के लिए, CocoaPods को देखें
इंस्टॉल करने की गाइड देखें.
अपने ऐप्लिकेशन के लिए ज़रूरी पॉड के साथ Podfile
बनाने का तरीका जानने के लिए,
देखने के लिए, Google Play Store में
CocoaPods.
नीचे दिए गए कोड का इस्तेमाल करके, Podfile
में MediaPipeTasksVision पॉड जोड़ें:
target 'MyImageSegmenterApp' do
use_frameworks!
pod 'MediaPipeTasksVision'
end
अगर आपके ऐप्लिकेशन में यूनिट टेस्ट टारगेट शामिल हैं, तो
iOS सेट अप करने के बारे में ज़्यादा जानकारी पाएं
Podfile
.
मॉडल
MediaPipe इमेज सेगमेंटर टास्क के लिए एक प्रशिक्षित मॉडल की ज़रूरत है, जो इस टास्क को पूरा करें. इनके लिए उपलब्ध ट्रेन किए गए मॉडल के बारे में ज़्यादा जानकारी पाने के लिए इमेज सेगमेंटर, टास्क की खास जानकारी मॉडल देखें सेक्शन में दिया गया है.
कोई मॉडल चुनें और डाउनलोड करें, और Xcode का इस्तेमाल करके उसे अपनी प्रोजेक्ट डायरेक्ट्री में जोड़ें. अपने Xcode प्रोजेक्ट में फ़ाइलें जोड़ने के तरीके से जुड़े निर्देशों के लिए, मैनेज करना आपके Xcode में मौजूद फ़ाइलें और फ़ोल्डर प्रोजेक्ट.
मॉडल का पाथ बताने के लिए, BaseOptions.modelAssetPath
प्रॉपर्टी का इस्तेमाल करें
शामिल हैं. कोड के उदाहरण के लिए, अगला सेक्शन देखें.
टास्क बनाएं
आप इमेज सेगमेंटर टास्क को उसके किसी शुरू करने वाले को कॉल करके बना सकते हैं. कॉन्टेंट बनाने
ImageSegmenter(options:)
शुरू करने वाला, कॉन्फ़िगरेशन के लिए वैल्यू स्वीकार करता है
के विकल्प.
अगर आपको पसंद के मुताबिक बनाए गए कॉन्फ़िगरेशन के साथ शुरू किए गए इमेज सेगमेंटर की ज़रूरत नहीं है
विकल्पों के लिए, आप ImageSegmenter(modelPath:)
प्रारंभकर्ता का उपयोग करके
इमेज सेगमेंटर, जिसमें डिफ़ॉल्ट विकल्प हैं. कॉन्फ़िगरेशन के बारे में ज़्यादा जानकारी पाने के लिए
विकल्पों के लिए, कॉन्फ़िगरेशन की खास जानकारी देखें.
इमेज सेगमेंटर टास्क, तीन इनपुट डेटा टाइप के साथ काम करता है: स्टिल इमेज, वीडियो फ़ाइलें
साथ ही, लाइव वीडियो स्ट्रीम भी दिखेंगी. डिफ़ॉल्ट रूप से, ImageSegmenter(modelPath:)
स्टिल इमेज के लिए टास्क. अगर आपको वीडियो प्रोसेस करने के लिए टास्क शुरू करना है
फ़ाइलें या लाइव वीडियो स्ट्रीम हैं, तो वीडियो की जानकारी देने के लिए ImageSegmenter(options:)
का इस्तेमाल करें
या लाइव स्ट्रीम मोड का इस्तेमाल करें. लाइव स्ट्रीम मोड इस्तेमाल करने के लिए,
imageSegmenterLiveStreamDelegate
कॉन्फ़िगरेशन विकल्प, जो
प्रतिनिधि को इमेज सेगमेंटेशन के नतीजे डिलीवर करने के लिए, इमेज सेगमेंटर
एसिंक्रोनस रूप से.
टास्क बनाने का तरीका जानने के लिए, अपने रनिंग मोड से जुड़ा टैब चुनें अनुमान लगाने के लिए कहा जा सकता है.
Swift
इमेज
import MediaPipeTasksVision let modelPath = Bundle.main.path(forResource: "model", ofType: "tflite") let options = ImageSegmenterOptions() options.baseOptions.modelAssetPath = modelPath options.runningMode = .image options.shouldOutputCategoryMask = true options.shouldOutputConfidenceMasks = false let imageSegmenter = try ImageSegmenter(options: options)
वीडियो
import MediaPipeTasksVision let modelPath = Bundle.main.path(forResource: "model", ofType: "tflite") let options = ImageSegmenterOptions() options.baseOptions.modelAssetPath = modelPath options.runningMode = .video options.shouldOutputCategoryMask = true options.shouldOutputConfidenceMasks = false let imageSegmenter = try ImageSegmenter(options: options)
लाइवस्ट्रीम
import MediaPipeTasksVision // Class that conforms to the `imageSegmenterLiveStreamDelegate` protocol and // implements the method that the image segmenter calls once it finishes // performing segmentation of each input frame. class ImageSegmenterResultProcessor: NSObject, ImageSegmenterLiveStreamDelegate { func imageSegmenter( _ imageSegmenter: ImageSegmenter, didFinishSegmentation result: ImageSegmenterResult?, timestampInMilliseconds: Int, error: Error?) { // Process the image segmentation result or errors here. } } let modelPath = Bundle.main.path(forResource: "model", ofType: "tflite") let options = ImageSegmenterOptions() options.baseOptions.modelAssetPath = modelPath options.runningMode = .liveStream options.shouldOutputCategoryMask = true options.shouldOutputConfidenceMasks = false // Set `imageSegmenterLiveStreamDelegate` to the object of the class that // confirms to the `ImageSegmenterLiveStreamDelegate` protocol. let processor = ImageSegmenterResultProcessor() options.imageSegmenterLiveStreamDelegate = processor let imageSegmenter = try ImageSegmenter(options: options)
Objective-C
इमेज
@import MediaPipeTasksVision; NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"model" ofType:@"tflite"]; MPPImageSegmenterOptions *options = [[MPPImageSegmenterOptions alloc] init]; options.baseOptions.modelAssetPath = modelPath; options.runningMode = MPPRunningModeImage; options.shouldOutputCategoryMask = YES; options.shouldOutputConfidenceMasks = NO; MPPImageSegmenter *imageSegmenter = [[MPPImageSegmenter alloc] initWithOptions:options error:nil];
वीडियो
@import MediaPipeTasksVision; NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"model" ofType:@"tflite"]; MPPImageSegmenterOptions *options = [[MPPImageSegmenterOptions alloc] init]; options.baseOptions.modelAssetPath = modelPath; options.runningMode = MPPRunningModeVideo; options.shouldOutputCategoryMask = YES; options.shouldOutputConfidenceMasks = NO; MPPImageSegmenter *imageSegmenter = [[MPPImageSegmenter alloc] initWithOptions:options error:nil];
लाइवस्ट्रीम
@import MediaPipeTasksVision; // Class that conforms to the `MPPImageSegmenterLiveStreamDelegate` protocol // and implements the method that the image segmenter calls once it finishes // performing segmentation of each input frame. @interface APPImageSegmenterResultProcessor : NSObject@end @implementation APPImageSegmenterResultProcessor - (void)imageSegmenter:(MPPImageSegmenter *)imageSegmenter didFinishSegmentationWithResult:(MPPImageSegmenterResult *)imageSegmenterResult timestampInMilliseconds:(NSInteger)timestampInMilliseconds error:(NSError *)error { // Process the image segmentation result or errors here. } @end NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"model" ofType:@"tflite"]; MPPImageSegmenterOptions *options = [[MPPImageSegmenterOptions alloc] init]; options.baseOptions.modelAssetPath = modelPath; options.runningMode = MPPRunningModeLiveStream; options.shouldOutputCategoryMask = YES; options.shouldOutputConfidenceMasks = NO; // Set `imageSegmenterLiveStreamDelegate` to the object of the class that // confirms to the `MPPImageSegmenterLiveStreamDelegate` protocol. APPImageSegmenterResultProcessor *processor = [APPImageSegmenterResultProcessor new]; options.imageSegmenterLiveStreamDelegate = processor; MPPImageSegmenter *imageSegmenter = [[MPPImageSegmenter alloc] initWithOptions:options error:nil];
इमेज सेगमेंटर के उदाहरण के तौर पर दिए गए कोड को लागू करने पर, उपयोगकर्ता अलग-अलग कोड के बीच स्विच कर सकता है प्रोसेस मोड. इस तरीके से टास्क बनाने का कोड ज़्यादा मुश्किल हो जाता है और आपके इस्तेमाल के उदाहरण के लिए सही नहीं हो सकती है.
कॉन्फ़िगरेशन विकल्प
इस टास्क में iOS ऐप्लिकेशन के लिए, नीचे दिए गए कॉन्फ़िगरेशन के विकल्प मौजूद हैं:
विकल्प का नाम | ब्यौरा | मान की सीमा | डिफ़ॉल्ट मान |
---|---|---|---|
runningMode |
टास्क के लिए रनिंग मोड सेट करता है. तीन
मोड: इमेज: सिंगल इमेज इनपुट का मोड. वीडियो: किसी वीडियो के डिकोड किए गए फ़्रेम के लिए मोड. LIVE_STREAM: इनपुट की लाइवस्ट्रीम करने का मोड जैसी निजी जानकारी को किसी भी समय रिकॉर्ड कर सकते हैं. इस मोड में, ImageSegmenterLiveStreamDelegate
को ऐसे क्लास के इंस्टेंस पर सेट करना चाहिए जो
सेगमेंटेशन पाने के लिए ImageSegmenterLiveStreamDelegate
नतीजे एसिंक्रोनस रूप से उपलब्ध नहीं हैं.
|
{RunningMode.image, RunningMode.video, RunningMode.liveStream } |
RunningMode.image |
shouldOutputCategoryMask |
अगर True पर सेट किया जाता है, तो आउटपुट में सेगमेंटेशन मास्क शामिल होता है
uint8 इमेज के तौर पर होता है, जहां हर पिक्सल वैल्यू से सबसे अच्छी कैटगरी का पता चलता है
वैल्यू. |
{True, False } |
False |
shouldOutputConfidenceMasks |
अगर True पर सेट किया जाता है, तो आउटपुट में सेगमेंटेशन मास्क शामिल होता है
फ़्लोट वैल्यू इमेज के तौर पर, जहां हर फ़्लोट वैल्यू कॉन्फ़िडेंस को दिखाती है.
श्रेणी का स्कोर मैप. |
{True, False } |
True |
displayNamesLocale |
यह नीति, दिए गए डिसप्ले नेम के लिए लेबल की भाषा सेट करती है
अगर उपलब्ध हो, तो टास्क के मॉडल का मेटाडेटा. इसके लिए डिफ़ॉल्ट en है
अंग्रेज़ी. आप कस्टम मॉडल के मेटाडेटा में स्थानीय जगह के अनुसार लेबल जोड़ सकते हैं
TensorFlow Lite Metadata Writer API का इस्तेमाल करें |
स्थान-भाषा कोड | en |
result_callback |
सेगमेंटेशन के नतीजे पाने के लिए, रिज़ल्ट लिसनर को सेट करता है
जब इमेज सेगमेंटर LIVE_STREAM मोड में होगा, तब एसिंक्रोनस रूप से काम करेगा.
इसका इस्तेमाल सिर्फ़ तब किया जा सकता है, जब रनिंग मोड को LIVE_STREAM पर सेट किया गया हो |
लागू नहीं | लागू नहीं |
जब रनिंग मोड LIVE_STREAM
पर सेट होता है, तब इमेज सेगमेंटर को
अतिरिक्त imageSegmenterLiveStreamDelegate
कॉन्फ़िगरेशन विकल्प मिलता है, जो
इसकी मदद से इमेज सेगमेंटर, इमेज सेगमेंटेशन के नतीजे एसिंक्रोनस रूप से डिलीवर कर सकता है.
प्रतिनिधि को
imageSegmenter(_:didFinishSegmentation:timestampInMilliseconds:error:)
तरीका,
जिसे इमेज सेगमेंटर, परफ़ॉर्मेंस रिपोर्ट के नतीजों को प्रोसेस करने के बाद कॉल करता है
हर फ़्रेम को अलग-अलग सेगमेंट में बांटना.
विकल्प का नाम | ब्यौरा | मान की सीमा | डिफ़ॉल्ट मान |
---|---|---|---|
imageSegmenterLiveStreamDelegate |
परफ़ॉर्म करने वाली इमेज के नतीजे पाने के लिए इमेज सेगमेंटर को चालू करता है
सेगमेंटेशन. वह क्लास जिसका इंस्टेंस यह है
इस प्रॉपर्टी पर सेट करने के लिए
imageSegmenter(_:didFinishSegmentation:timestampInMilliseconds:error:)
तरीका. |
लागू नहीं | सेट नहीं है |
डेटा तैयार करें
आपको पहले, इनपुट इमेज या फ़्रेम को MPImage
ऑब्जेक्ट में बदलना होगा
उसे इमेज सेगमेंटर को भेज रही होती है. MPImage
में, अलग-अलग तरह की iOS इमेज इस्तेमाल की जा सकती हैं
साथ ही, अनुमान लगाने के लिए किसी भी रनिंग मोड में इनका इस्तेमाल किया जा सकता है. ज़्यादा के लिए
MPImage
के बारे में जानकारी पाने के लिए,
MPImage API
अपने इस्तेमाल के उदाहरण और रनिंग मोड के हिसाब से iOS इमेज फ़ॉर्मैट चुनें
ऐप्लिकेशन के लिए आवश्यक है.MPImage
UIImage
, CVPixelBuffer
, और
CMSampleBuffer
iOS इमेज फ़ॉर्मैट.
UIImage
UIImage
फ़ॉर्मैट, नीचे दिए गए दौड़ने मोड के लिए सबसे सही है:
इमेज: किसी ऐप्लिकेशन बंडल, उपयोगकर्ता गैलरी या फ़ाइल सिस्टम से ली गई इमेज, इस फ़ॉर्मैट में दी गई हैं
UIImage
इमेज कोMPImage
ऑब्जेक्ट में बदला जा सकता है.वीडियो: AVAssetImageGenerator का इस्तेमाल करें वीडियो फ़्रेम एक्सट्रैक्ट करने के लिए CGImage फ़ॉर्मैट करें, फिर उन्हें
UIImage
इमेज में बदलें.
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];
उदाहरण में MPImage
को डिफ़ॉल्ट वैल्यू के साथ शुरू किया गया है
UIImage.Orientation.Up
स्क्रीन की दिशा. MPImage
को इस्तेमाल करने वाली किसी भी सुविधा के साथ शुरू किया जा सकता है
UIImage.Orientation
वैल्यू. इमेज सेगमेंटर, .upMirrored
जैसे मिरर किए गए ओरिएंटेशन पर काम नहीं करता,
.downMirrored
, .leftMirrored
, .rightMirrored
.
UIImage
के बारे में ज़्यादा जानकारी के लिए, UIImage Apple Developer पर जाएं
दस्तावेज़.
CVPixelBuffer
CVPixelBuffer
फ़ॉर्मैट, फ़्रेम जनरेट करने वाले ऐप्लिकेशन के लिए सबसे सही है
और iOS CoreImage का इस्तेमाल करें
प्रोसेसिंग के लिए फ़्रेमवर्क.
CVPixelBuffer
फ़ॉर्मैट, नीचे दिए गए दौड़ने मोड के लिए सबसे सही है:
इमेज: ऐसे ऐप्लिकेशन जो कुछ प्रोसेसिंग के बाद
CVPixelBuffer
इमेज जनरेट करते हैं का उपयोग करके iOS केCoreImage
फ़्रेमवर्क का उपयोग करके इमेज रनिंग मोड.वीडियो: वीडियो फ़्रेम को
CVPixelBuffer
फ़ॉर्मैट में बदला जा सकता है प्रोसेस किया जाता है और फिर वीडियो मोड में इमेज सेगमेंटर को भेजा जाता है.लाइव स्ट्रीम: फ़्रेम जनरेट करने के लिए, iOS कैमरे का इस्तेमाल करने वाले ऐप्लिकेशन को बदला जा सकता है को भेजने से पहले प्रोसेसिंग के लिए
CVPixelBuffer
फ़ॉर्मैट में इमेज सेगमेंटर, लाइव स्ट्रीम मोड में.
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];
CVPixelBuffer
के बारे में ज़्यादा जानकारी के लिए, CVPixelBuffer Apple पर जाएं
डेवलपर
दस्तावेज़.
CMSampleBuffer
CMSampleBuffer
फ़ॉर्मैट में, यूनिफ़ॉर्म मीडिया टाइप के मीडिया सैंपल सेव किए जाते हैं और यह होता है
ये लाइव स्ट्रीम रनिंग मोड के लिए ज़्यादा काम के होते हैं. iOS कैमरों से लाइव फ़्रेम की सुविधा
iOS के ज़रिए CMSampleBuffer
फ़ॉर्मैट में एसिंक्रोनस रूप से डिलीवर किया जाता है
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];
CMSampleBuffer
के बारे में ज़्यादा जानकारी के लिए, CMSampleBuffer Apple देखें
डेवलपर
दस्तावेज़.
टास्क को पूरा करें
इमेज सेगमेंटर चलाने के लिए, असाइन किए गए टास्क के लिए खास segment()
तरीके का इस्तेमाल करें
रनिंग मोड:
- फ़ोटो:
segment(image:)
- वीडियो:
segment(videoFrame:timestampInMilliseconds:)
- लाइवस्ट्रीम:
segmentAsync(image:timestampInMilliseconds:)
नीचे दिए गए कोड सैंपल, इमेज सेगमेंटर को चलाने के आसान उदाहरण दिखाते हैं ये अलग-अलग रनिंग मोड हैं:
Swift
इमेज
let result = try imageSegmenter.segment(image: image)
वीडियो
let result = try imageSegmenter.segment( videoFrame: image, timestampInMilliseconds: timestamp)
लाइव स्ट्रीम
try imageSegmenter.segmentAsync( image: image, timestampInMilliseconds: timestamp)
Objective-C
इमेज
MPPImageSegmenterResult *result = [imageSegmenter segmentImage:image error:nil];
वीडियो
MPPImageSegmenterResult *result = [imageSegmenter segmentVideoFrame:image timestampInMilliseconds:timestamp error:nil];
लाइव स्ट्रीम
BOOL success = [imageSegmenter segmentAsyncImage:image timestampInMilliseconds:timestamp error:nil];
इमेज सेगमेंटर कोड के उदाहरण में, इनमें से हर मोड को लागू करने का तरीका दिखाया गया है
ज़्यादा जानकारी segment(image:)
,
segment(videoFrame:timestampInMilliseconds:)
, और
segmentAsync(image:timestampInMilliseconds:)
.
निम्न पर ध्यान दें:
वीडियो मोड या लाइव स्ट्रीम मोड में चलाते समय, आपको इमेज सेगमेंटर टास्क के लिए इनपुट फ़्रेम का टाइमस्टैंप.
इमेज या वीडियो मोड में चलाते समय, इमेज सेगमेंटर टास्क मौजूदा थ्रेड को तब तक सबमिट नहीं किया जा सकता, जब तक कि यह इनपुट इमेज या फ़्रेम की प्रोसेस पूरी नहीं कर लेता. यहां की यात्रा पर हूं मौजूदा थ्रेड को ब्लॉक होने से बचाएं और बैकग्राउंड में प्रोसेसिंग चलाएं iOS पर थ्रेड डिस्पैच करें या NSOperation फ़्रेमवर्क शामिल हैं.
लाइव स्ट्रीम मोड में चलाते समय, इमेज सेगमेंटर टास्क तुरंत वापस आ जाता है और मौजूदा थ्रेड को ब्लॉक नहीं करता. यह
imageSegmenter(_:didFinishSegmentation:timestampInMilliseconds:error:)
शामिल करने का तरीका बताएंगे. कॉन्टेंट बनाने इमेज सेगमेंटर, खास सीरियल नंबर पर इस तरीके को एसिंक्रोनस रूप से शुरू करता है भेजने की सूची. यूज़र इंटरफ़ेस पर नतीजे दिखाने के लिए, नतीजों को प्रोसेस करने के बाद मुख्य सूची में जोड़ दिया जाता है. अगर इमेज सेगमेंटर टास्क व्यस्त होने परsegmentAsync
फ़ंक्शन कॉल किया जाता है दूसरा फ़्रेम प्रोसेस करने के बाद, इमेज सेगमेंटर नए इनपुट फ़्रेम को अनदेखा कर देता है.
नतीजों को हैंडल करना और दिखाना
रनिंग अनुमान पर, इमेज सेगमेंटर टास्क एक ImageSegmenterResult
दिखाता है
ऑब्जेक्ट है, जिसमें सेगमेंटेशन टास्क के नतीजे होते हैं. इसका कॉन्टेंट
आउटपुट उस आउटपुट टाइप पर निर्भर करता है जिसे आपने सेट किया है
कॉन्फ़िगर किया गया
उस टास्क पर जाएं.
इन इमेज में किसी कैटगरी के लिए, टास्क के आउटपुट का विज़ुअलाइज़ेशन दिखाया गया है
वैल्यू मास्क. कैटगरी मास्क की रेंज [0, 255]
है और हर पिक्सल की वैल्यू है
मॉडल आउटपुट का विजेता कैटगरी इंडेक्स दिखाता है. विजेता कैटगरी
इंडेक्स का स्कोर, उन कैटगरी में सबसे ज़्यादा है जिन्हें मॉडल पहचान सकता है.
ओरिजनल इमेज और कैटगरी मास्क का आउटपुट. इमेज यहां से ली गई है: पास्कल वीओसी 2012 डेटासेट.
इमेज सेगमेंटर के उदाहरण कोड से, इमेज सेगमेंटर को दिखाने का तरीका पता चलता है परिणाम देखने के लिए, कोड देखें उदाहरण के लिए देखें.