L'attività Segmentazione delle immagini ti consente di dividere le immagini in regioni in base a categorie e applicare effetti visivi come la sfocatura dello sfondo. Questi istruzioni mostrano come utilizzare lo strumento di segmentazione delle immagini con le app per iOS.
L'esempio di codice descritto in queste istruzioni è disponibile su GitHub.
Puoi vedere questa attività in azione visualizzando la una demo. Per ulteriori informazioni su funzionalità, modelli e opzioni di configurazione di questa attività, controlla Panoramica.
Esempio di codice
L'esempio di codice Attività MediaPipe contiene una semplice implementazione di un App di segmentazione delle immagini per iOS.
L'esempio implementa uno strumento di segmentazione delle immagini che restituisce maschere di categoria. Utilizza la fotocamera di un dispositivo iOS fisico per eseguire la segmentazione delle immagini su un feed della videocamera o su immagini e video della galleria del dispositivo.
Puoi utilizzare l'app come punto di partenza per la tua app per iOS o fare riferimento all'app quando modifichi un'app esistente. Il codice di esempio del segmento di immagini è ospitato su GitHub.
Scarica il codice
Le seguenti istruzioni mostrano come creare una copia locale dell'esempio utilizzando lo strumento a riga di comando git.
Per scaricare il codice di esempio:
Clona il repository git utilizzando il comando seguente:
git clone https://github.com/google-ai-edge/mediapipe-samples/
Facoltativamente, configura la tua istanza Git per l'utilizzo di un pagamento sparso, in modo da avere solo i file per l'app di esempio dello strumento di segmentazione delle immagini:
cd mediapipe git sparse-checkout init --cone git sparse-checkout set examples/image_segmentation/ios/
Dopo aver creato una versione locale del codice di esempio, puoi installare nella libreria di attività MediaPipe, apri il progetto con Xcode ed esegui l'app. Per istruzioni, vedi la Guida alla configurazione per iOS.
Componenti chiave
I seguenti file contengono il codice fondamentale per l'esempio della funzionalità di segmentazione delle immagini applicazione:
- ImageSegmenterService.swift: Inizializza il Segmenter di immagini, gestisce la selezione del modello ed esegue l'inferenza sui dati di input.
- CameraViewController.swift: Implementa l'interfaccia utente per la modalità di immissione del feed della videocamera in diretta e visualizza la che consentono di analizzare i dati e visualizzare i risultati.
- MediaLibraryViewController.swift Implementa l'interfaccia utente per la modalità di immissione di file di immagini e video e per visualizzare i risultati.
Configurazione
Questa sezione descrive i passaggi chiave per configurare l'ambiente di sviluppo e di codice per usare la segmentazione delle immagini. Per informazioni generali sulla configurazione dell'ambiente di sviluppo per l'uso di attività MediaPipe, inclusa la versione della piattaforma consulta la Guida alla configurazione per iOS.
Dipendenze
La funzionalità di segmentazione delle immagini utilizza la libreria MediaPipeTasksVision
, che deve essere installata
utilizzando CocoaPods. La raccolta è compatibile con le app Swift e Objective-C
e non richiede alcuna configurazione aggiuntiva specifica per la lingua.
Per istruzioni su come installare CocoaPods su macOS, consulta l'articolo CocoaPods
Guida all'installazione.
Per istruzioni su come creare un elemento Podfile
con i pod necessari per il tuo
consulta la sezione Utilizzo
CocoaPods.
Aggiungi il pod MediaPipeTasksVision in Podfile
utilizzando il seguente codice:
target 'MyImageSegmenterApp' do
use_frameworks!
pod 'MediaPipeTasksVision'
end
Se la tua app include target dei test delle unità, consulta la Guida alla configurazione per
iOS per ulteriori informazioni sulla configurazione
il tuo Podfile
.
Modello
L'attività Segmenter immagini MediaPipe richiede un modello addestrato compatibile con questa attività. Per saperne di più sui modelli addestrati disponibili Segmenter immagini; consulta la panoramica dell'attività Modelli .
Seleziona e scarica un modello, quindi aggiungilo alla directory del progetto utilizzando Xcode. Per istruzioni su come aggiungere file al progetto Xcode, consulta Gestione i file e le cartelle in Xcode progetto.
Utilizza la proprietà BaseOptions.modelAssetPath
per specificare il percorso del modello
nel tuo app bundle. Per un esempio di codice, consulta la sezione successiva.
Crea l'attività
Puoi creare l'attività Segmentazione delle immagini richiamando uno dei suoi inizializzatori. La
L'inizializzazione di ImageSegmenter(options:)
accetta valori per la configurazione
le opzioni di CPU e memoria disponibili.
Se non ti occorre un Segmenter di immagini inizializzato con una configurazione personalizzata
puoi usare l'inizializzatore ImageSegmenter(modelPath:)
per creare
Segmentazione di immagini con le opzioni predefinite. Per ulteriori informazioni sulla configurazione
vedi Panoramica della configurazione.
L'attività Segmentazione delle immagini supporta tre tipi di dati di input: immagini fisse e file video
e video stream in diretta. Per impostazione predefinita, ImageSegmenter(modelPath:)
inizializza una
per le immagini statiche. Se vuoi che l'attività venga inizializzata per elaborare il video
file o stream video in diretta, usa ImageSegmenter(options:)
per specificare il video
modalità di corsa o live streaming. La modalità live streaming richiede anche
di configurazione di imageSegmenterLiveStreamDelegate
, che attiva
Segmentazione di immagini per fornire al delegato i risultati di segmentazione delle immagini
in modo asincrono.
Scegli la scheda corrispondente alla tua modalità di corsa per vedere come creare l'attività ed eseguire l'inferenza.
Swift
Immagine
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)
Video
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)
Live streaming
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
Immagine
@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];
Video
@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];
Live streaming
@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];
L'implementazione del codice di esempio del segmento di immagini consente all'utente di passare da di elaborazione. L'approccio rende il codice di creazione delle attività più complicato potrebbero non essere appropriati per il tuo caso d'uso.
Opzioni di configurazione
Questa attività include le seguenti opzioni di configurazione per le app per iOS:
Nome opzione | Descrizione | Intervallo di valori | Valore predefinito |
---|---|---|---|
runningMode |
Imposta la modalità di esecuzione per l'attività. Esistono tre tipi di
modalità: IMAGE: la modalità per gli input di immagini singole. VIDEO: la modalità per i fotogrammi decodificati di un video. LIVE_STREAM: la modalità per un live streaming di input dati, ad esempio quelli di una videocamera. In questa modalità, ImageSegmenterLiveStreamDelegate
deve essere impostato su un'istanza di una classe che implementa
ImageSegmenterLiveStreamDelegate per ricevere la segmentazione
i risultati in modo asincrono.
|
{RunningMode.image, RunningMode.video, RunningMode.liveStream } |
RunningMode.image |
shouldOutputCategoryMask |
Se impostato su True , l'output include una maschera di segmentazione
come un'immagine uint8, in cui ogni valore di pixel indica la categoria vincente
valore. |
{True, False } |
False |
shouldOutputConfidenceMasks |
Se impostato su True , l'output include una maschera di segmentazione
come immagine con valore in virgola mobile, in cui ogni valore in virgola mobile rappresenta la confidenza
la mappa dei punteggi della categoria. |
{True, False } |
True |
displayNamesLocale |
Imposta la lingua delle etichette da utilizzare per i nomi visualizzati forniti nel
metadati del modello dell'attività, se disponibili. Il valore predefinito è en per
Inglese. Puoi aggiungere etichette localizzate ai metadati di un modello personalizzato
Utilizzando l'API TensorFlow Metadata Writer |
Codice impostazioni internazionali | it |
result_callback |
Imposta il listener di risultati per ricevere i risultati della segmentazione
in modo asincrono quando il segmento di immagini è in modalità LIVE_STREAM .
Può essere utilizzato solo quando la modalità di corsa è impostata su LIVE_STREAM |
N/D | N/D |
Quando la modalità di esecuzione è impostata su LIVE_STREAM
, il segmento di immagini richiede il parametro
un'opzione di configurazione imageSegmenterLiveStreamDelegate
aggiuntiva,
consente al segmento di immagini di fornire i risultati di segmentazione delle immagini in modo asincrono.
Il delegato deve implementare
imageSegmenter(_:didFinishSegmentation:timestampInMilliseconds:error:)
metodo,
che il segmento di pubblico chiama dopo
l'elaborazione dei risultati dell'esecuzione
la segmentazione in ogni frame.
Nome opzione | Descrizione | Intervallo di valori | Valore predefinito |
---|---|---|---|
imageSegmenterLiveStreamDelegate |
Consente allo strumento di segmentazione delle immagini di ricevere i risultati dell'immagine in corso
la segmentazione in modo asincrono
in modalità live streaming. La classe la cui istanza è
impostata su questa proprietà deve implementare
imageSegmenter(_:didFinishSegmentation:timestampInMilliseconds:error:)
. |
Non applicabile | Non impostato |
Preparazione dei dati
Devi convertire l'immagine o il frame di input in un oggetto MPImage
prima
e passarlo al Segmenter di immagini. MPImage
supporta diversi tipi di immagini iOS
e possono utilizzarli in qualsiasi modalità di esecuzione per l'inferenza. Per ulteriori informazioni
informazioni su MPImage
, consulta le
API MPImage
Scegli un formato dell'immagine iOS in base al tuo caso d'uso e alla modalità di corsa
richiede l'applicazione.MPImage
accetta UIImage
, CVPixelBuffer
e
CMSampleBuffer
formati dell'immagine per iOS.
UIImage
Il formato UIImage
è adatto alle seguenti modalità di corsa:
Immagini: immagini da un app bundle, una galleria utente o un file system formattato come
UIImage
immagini possono essere convertite in un oggettoMPImage
.Video: utilizza AVAssetImageGenerator per estrarre i fotogrammi video CGImage , quindi convertili in
UIImage
immagini.
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'esempio inizializza un MPImage
con il valore predefinito
UIImage.Orientation.Up
orientamento. Puoi inizializzare MPImage
con uno qualsiasi dei
UIImage.Orientation
e i relativi valori. La segmentazione delle immagini non supporta gli orientamenti speculari come .upMirrored
,
.downMirrored
, .leftMirrored
e .rightMirrored
.
Per ulteriori informazioni su UIImage
, fai riferimento a UIImage Apple Developer
Documentazione.
CVPixelBuffer
Il formato CVPixelBuffer
è adatto per le applicazioni che generano frame
e utilizza la classe CoreImage per iOS
per l'elaborazione dei dati.
Il formato CVPixelBuffer
è adatto alle seguenti modalità di corsa:
Immagini: app che generano
CVPixelBuffer
immagini dopo un'elaborazione utilizzando il frameworkCoreImage
di iOS possono essere inviate al modalità di esecuzione delle immagini.Video: i fotogrammi possono essere convertiti nel formato
CVPixelBuffer
per durante l'elaborazione e poi inviate al segmento di immagini in modalità video.live streaming: le app che utilizzano una fotocamera iOS per generare fotogrammi possono essere convertite nel formato
CVPixelBuffer
per l'elaborazione prima di essere inviati al Segmentazione di immagini in modalità live streaming.
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];
Per ulteriori informazioni su CVPixelBuffer
, consulta CVPixelBuffer Apple
Sviluppatore
Documentazione.
CMSampleBuffer
Il formato CMSampleBuffer
archivia campioni multimediali di un tipo di supporto uniforme e
Si adatta alla modalità di corsa in live streaming. I fotogrammi in diretta delle fotocamere iOS sono
pubblicato in modo asincrono nel formato CMSampleBuffer
da 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];
Per ulteriori informazioni su CMSampleBuffer
, consulta l'articolo CMSampleBuffer Apple
Sviluppatore
Documentazione.
Esegui l'attività
Per eseguire lo strumento di segmentazione delle immagini, utilizza il metodo segment()
specifico per
modalità di corsa:
- Immagine statica:
segment(image:)
- Video:
segment(videoFrame:timestampInMilliseconds:)
- Live streaming:
segmentAsync(image:timestampInMilliseconds:)
I seguenti esempi di codice mostrano semplici esempi di come eseguire la segmentazione delle immagini in diverse modalità di corsa:
Swift
Immagine
let result = try imageSegmenter.segment(image: image)
Video
let result = try imageSegmenter.segment( videoFrame: image, timestampInMilliseconds: timestamp)
Live streaming
try imageSegmenter.segmentAsync( image: image, timestampInMilliseconds: timestamp)
Objective-C
Immagine
MPPImageSegmenterResult *result = [imageSegmenter segmentImage:image error:nil];
Video
MPPImageSegmenterResult *result = [imageSegmenter segmentVideoFrame:image timestampInMilliseconds:timestamp error:nil];
Live streaming
BOOL success = [imageSegmenter segmentAsyncImage:image timestampInMilliseconds:timestamp error:nil];
L'esempio di codice del Segmenter di immagini mostra le implementazioni di ciascuna di queste modalità
in modo più dettagliato segment(image:)
,
segment(videoFrame:timestampInMilliseconds:)
e
segmentAsync(image:timestampInMilliseconds:)
.
Tieni presente quanto segue:
Quando utilizzi la modalità video o live streaming, devi fornire anche del frame di input all'attività Segmentazione delle immagini.
Quando è in modalità immagine o video, l'attività Segmentazione delle immagini blocca il thread corrente finché non termina l'elaborazione dell'immagine o del frame di input. A evitare di bloccare il thread corrente, esegui l'elaborazione in background thread utilizzando iOS Dispatch o NSOperation i modelli di machine learning.
Quando viene eseguita in modalità live streaming, l'attività Segmentazione delle immagini restituisce immediatamente e non blocca il thread corrente. Richiamo
imageSegmenter(_:didFinishSegmentation:timestampInMilliseconds:error:)
con lo strumento di segmentazione delle immagini dopo l'elaborazione di ogni frame di input. La Image Segmenter richiama questo metodo in modo asincrono su un numero seriale dedicato di tracciamento delle chiamate. Per visualizzare i risultati sull'interfaccia utente, invia il metodo i risultati alla coda principale dopo l'elaborazione dei risultati. Se La funzionesegmentAsync
viene chiamata quando l'attività Segmentazione delle immagini è occupata durante l'elaborazione di un altro frame, il Segmenter di immagini ignora il nuovo frame di input.
Gestire e visualizzare i risultati
Dopo l'esecuzione dell'inferenza, l'attività Segmentazione delle immagini restituisce un ImageSegmenterResult
contenente i risultati dell'attività di segmentazione. I contenuti del
dipende dal tipo di output impostato quando
configurato
l'attività.
Le seguenti immagini mostrano una visualizzazione dell'output dell'attività per una categoria
come maschera del valore. L'intervallo della maschera di categoria è [0, 255]
e il valore di ogni pixel
rappresenta l'indice della categoria vincente dell'output del modello. La categoria vincente
ha il punteggio più alto tra le categorie che il modello può riconoscere.
Output della maschera di categoria e dell'immagine originale. Immagine di origine dalla VOC Pascal 2012 del set di dati.
Il codice di esempio della funzionalità di segmentazione delle immagini mostra come visualizzare la funzionalità di ricerca, consulta il codice esempio per maggiori dettagli.