Guide de détection d'objets pour Android

La tâche de détection d'objets vous permet de détecter la présence et l'emplacement de plusieurs d'objets. Par exemple, un détecteur d'objets peut localiser les chiens à l'intérieur d'une l'image. Ces instructions vous expliquent comment utiliser la tâche de détection d'objets sur Android L'exemple de code décrit dans ces instructions est disponible sur GitHub Vous pouvez voir cette tâche en action en consultant cette Démo Web : Pour en savoir plus sur les fonctionnalités, les modèles et les options de configuration de cette tâche, consultez la section Présentation.

Exemple de code

L'exemple de code MediaPipe Tasks est une implémentation simple d'un détecteur d'objets pour Android. L'exemple utilise l'appareil photo d'un appareil Android physique pour détecter en permanence des objets, et utiliser des images et des vidéos la galerie de l'appareil pour détecter des objets de manière statique.

Vous pouvez utiliser l'application comme point de départ pour votre propre application Android ou vous y référer. lorsque vous modifiez une application existante. L'exemple de code du détecteur d'objets 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.

Pour télécharger l'exemple de code:

1. Clonez le dépôt Git à l'aide de la commande suivante:

   git clone https://github.com/google-ai-edge/mediapipe-samples
   

2. Vous pouvez éventuellement configurer votre instance Git pour utiliser le paiement creuse. Vous n'avez donc que les fichiers de l'exemple d'application de détecteur d'objets:

   cd mediapipe
   git sparse-checkout init --cone
   git sparse-checkout set examples/object_detection/android
   

Après avoir créé une version locale de l'exemple de code, vous pouvez importer le projet dans Android Studio et exécuter l'application. Pour obtenir des instructions, consultez les Guide de configuration pour Android

Composants clés

Les fichiers suivants contiennent le code crucial du détecteur d'objets exemple d'application:

• ObjectDetectorHelper.kt : Initialise le détecteur d'objets, et gère le modèle et la délégation sélection
• MainActivity.kt : Met en œuvre l'application et assemble les composants de l'interface utilisateur
• OverlayView.kt : Gère et affiche les résultats

Configuration

Cette section décrit les étapes clés à suivre pour configurer votre environnement de développement pour utiliser le détecteur d'objets. Pour obtenir des informations générales sur configurer votre environnement de développement pour utiliser les tâches MediaPipe, y compris versions de la plate-forme requises, consultez la Guide de configuration pour Android

Dépendances

Le détecteur d'objets utilise la bibliothèque com.google.mediapipe:tasks-vision. Ajouter au fichier build.gradle de votre Projet de développement d'applications Android. Importez les dépendances requises avec le code suivant:

dependencies {
    implementation 'com.google.mediapipe:tasks-vision:latest.release'
}

Modèle

La tâche de détection d'objets MediaPipe nécessite un modèle entraîné compatible avec cette tâche. Pour en savoir plus sur les modèles entraînés disponibles pour le détecteur d'objets, consultez la section Modèles de la présentation des tâches.

Sélectionnez et téléchargez le modèle, puis stockez-le dans le répertoire de votre projet:

<dev-project-root>/src/main/assets

Utiliser la méthode BaseOptions.Builder.setModelAssetPath() pour spécifier le chemin d'accès utilisées par le modèle. Pour obtenir un exemple de code, consultez la section suivante.

Créer la tâche

Vous pouvez utiliser la fonction createFromOptions pour créer la tâche. La La fonction createFromOptions accepte les options de configuration, y compris l'exécution mode, paramètres régionaux des noms à afficher, nombre maximal de résultats, seuil de confiance, à la liste d'autorisation et à la liste de blocage de catégories. Si aucune option de configuration n'est spécifiée, la valeur par défaut sera utilisée. Pour en savoir plus sur les options de configuration, consultez la page Présentation de la configuration.

La tâche de détection d'objets accepte trois types de données d'entrée: images fixes et fichiers vidéo et les flux vidéo en direct. Vous devez spécifier le mode d'exécution correspondant votre type de données d'entrée lors de la création de la tâche. Choisissez l'onglet correspondant votre type de données d'entrée pour découvrir comment créer la tâche et exécuter l'inférence.

ObjectDetectorOptions options =
  ObjectDetectorOptions.builder()
    .setBaseOptions(BaseOptions.builder().setModelAssetPath(‘model.tflite’).build())
    .setRunningMode(RunningMode.IMAGE)
    .setMaxResults(5)
    .build();
objectDetector = ObjectDetector.createFromOptions(context, options);
    

ObjectDetectorOptions options =
  ObjectDetectorOptions.builder()
    .setBaseOptions(BaseOptions.builder().setModelAssetPath(‘model.tflite’).build())
    .setRunningMode(RunningMode.VIDEO)
    .setMaxResults(5)
    .build();
objectDetector = ObjectDetector.createFromOptions(context, options);
    

ObjectDetectorOptions options =
  ObjectDetectorOptions.builder()
    .setBaseOptions(BaseOptions.builder().setModelAssetPath(‘model.tflite’).build())
    .setRunningMode(RunningMode.LIVE_STREAM)
    .setMaxResults(5)
    .setResultListener((result, inputImage) -> {
      // Process the detection result here.
    })
    .setErrorListener((result, inputImage) -> {
      // Process the classification errors here.
    })
   .build();
objectDetector = ObjectDetector.createFromOptions(context, options);
    

L'exemple d'implémentation de code du détecteur d'objets permet à l'utilisateur de basculer entre différents modes de traitement. L'approche rend le code de création de la tâche plus compliqué et peuvent ne pas être adaptés à votre cas d'utilisation. Ce code figure dans la ObjectDetectorHelper setupObjectDetector().

Options de configuration

Cette tâche comporte les options de configuration suivantes pour les applications Android:

Préparer les données

Vous devez convertir l'image ou le cadre d'entrée en com.google.mediapipe.framework.image.MPImage avant de le transmettre à Détecteur d'objets.

Les exemples suivants expliquent et montrent comment préparer les données pour le traitement pour chacun des types de données disponibles:

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();
    

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 values. Use these values
// 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();
    

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()
MPImage mpImage = new MediaImageBuilder(mediaImage).build();
    

Dans l'exemple de code du détecteur d'objets, la préparation des données est gérée dans le ObjectDetectorHelper dans les éléments detectImage(), detectVideoFile() et detectLivestreamFrame() fonctions.

Exécuter la tâche

Selon le type de données avec lesquelles vous travaillez, utilisez le Méthode ObjectDetector.detect...() spécifique à ce type de données. Utilisez detect() pour les images individuelles detectForVideo() pour les images dans les fichiers vidéo ; et detectAsync() pour les flux vidéo Lorsque vous effectuez des détections flux vidéo, veillez à exécuter les détections sur un thread distinct pour éviter bloquant le thread de l'interface utilisateur.

Les exemples de code suivants illustrent des exemples simples d'exécution du détecteur d'objets dans ces différents modes de données:

ObjectDetectorResult detectionResult = objectDetector.detect(image);
    

// 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.
ObjectDetectorResult detectionResult =
    objectDetector.detectForVideo(image, frameTimestampMs);
    

// Run inference on the frame. The detection results will be available
// via the `resultListener` provided in the `ObjectDetectorOptions` when
// the object detector was created.
objectDetector.detectAsync(image, frameTimestampMs);
    

L'exemple de code du détecteur d'objets montre les implémentations de chacun de ces différents modes plus en détail detect(), detectVideoFile(), et detectAsync(). L'exemple de code permet à l'utilisateur de basculer entre les modes de traitement ce qui peut ne pas être nécessaire pour votre cas d'utilisation.

Veuillez noter les points suivants :

• Lorsque vous êtes en mode vidéo ou flux en direct, vous devez également fournir le code temporel de la trame d'entrée à la tâche de détection d'objets.
• Lors de l'exécution en mode image ou vidéo, la tâche de détection d'objets bloquer le thread actuel jusqu'à ce qu'il ait fini de traiter l'image d'entrée ou cadre. Pour éviter de bloquer le thread actuel, exécutez le traitement dans une thread d'arrière-plan.
• Lors de l'exécution en mode de flux en direct, la tâche de détection d'objets ne bloque pas le thread actuel, mais renvoie immédiatement. Elle appellera son résultat avec le résultat de la détection chaque fois que le traitement d'une trame d'entrée. Si la fonction de détection est appelée lorsque la tâche de détection d'objets est occupé à traiter une autre trame, la nouvelle trame d'entrée sera ignorée.

Gérer et afficher les résultats

Lors de l'exécution de l'inférence, la tâche de détection d'objets renvoie une Un objet ObjectDetectorResult qui décrit les objets qu'il a trouvés dans l'image d'entrée.

Voici un exemple de données de sortie de cette tâche:

ObjectDetectorResult:
 Detection #0:
  Box: (x: 355, y: 133, w: 190, h: 206)
  Categories:
   index       : 17
   score       : 0.73828
   class name  : dog
 Detection #1:
  Box: (x: 103, y: 15, w: 138, h: 369)
  Categories:
   index       : 17
   score       : 0.73047
   class name  : dog

L'image suivante montre une visualisation du résultat de la tâche:

L'exemple de code du détecteur d'objets montre comment afficher la détection renvoyés par la tâche, consultez la OverlayView pour en savoir plus.