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 des chiens dans un l'image. Ces instructions vous expliquent comment utiliser la tâche de détection d'objets dans iOS. La l'exemple de code décrit dans ces instructions est disponible sur GitHub.
Pour voir une démonstration de cette tâche, consultez cette page Web une démonstration. Pour plus d'informations sur les fonctionnalités, les modèles et les options de configuration cette tâche, consultez les Aperçu.
Exemple de code
L'exemple de code MediaPipe Tasks est une implémentation de base d'un objet Application de détection pour iOS. L'exemple utilise l'appareil photo d'un appareil iOS physique pour détecter en continu des objets, et utiliser les images et vidéos de l'appareil pour détecter les objets de manière statique.
Vous pouvez utiliser l'application comme point de départ pour votre propre application iOS 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.
<ph type="x-smartling-placeholder">Pour télécharger l'exemple de code:
Clonez le dépôt Git à l'aide de la commande suivante:
git clone https://github.com/google-ai-edge/mediapipe-samples
Si vous le souhaitez, vous pouvez configurer votre instance Git pour utiliser le paiement creuse. uniquement 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/ios/
Après avoir créé une version locale de l'exemple de code, vous pouvez installer bibliothèque de tâches MediaPipe, ouvrez le projet avec Xcode et exécutez l'application. Pour instructions, consultez le Guide de configuration pour iOS.
Composants clés
Les fichiers suivants contiennent le code essentiel pour l'exemple du détecteur d'objets application:
- ObjectDetectorService.swift: Initialise le détecteur, gère la sélection du modèle et exécute l'inférence sur les données d'entrée.
- CameraViewController.swift: Implémente l'interface utilisateur pour le mode de saisie du flux de caméra en direct et visualise les résultats de la détection.
- MediaLibraryViewController.swift: Elle implémente l'interface utilisateur pour le mode d'entrée de fichiers d'images fixes et de fichiers vidéo, et permet de visualiser les résultats de la détection.
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 la configuration environnement de développement permettant d'utiliser des tâches MediaPipe, y compris la version de la plate-forme consultez le Guide de configuration pour iOS.
<ph type="x-smartling-placeholder">Dépendances
Le détecteur d'objets utilise la bibliothèque MediaPipeTasksVision
, qui doit être installée
à l'aide de CocoaPods. La bibliothèque est compatible avec les applications Swift et Objective-C
et ne nécessite aucune configuration de langue supplémentaire.
Pour obtenir des instructions sur l'installation de CocoaPods sous macOS, reportez-vous au document CocoaPods
guide d'installation.
Pour savoir comment créer un Podfile
avec les pods nécessaires pour votre
consultez la section Utilisation
CocoaPods
Ajoutez le pod MediaPipeTasksVision dans le fichier Podfile
à l'aide du code suivant:
target 'MyObjectDetectorApp' do
use_frameworks!
pod 'MediaPipeTasksVision'
end
Si votre application inclut des cibles de tests unitaires, reportez-vous au Guide de configuration
iOS.
votre Podfile
.
Modèle
La tâche de détection d'objets MediaPipe nécessite un modèle entraîné et compatible pour cette tâche. Pour en savoir plus sur les modèles entraînés disponibles pour du détecteur d'objets, consultez la présentation des tâches Modèles .
Sélectionnez et téléchargez un modèle, puis ajoutez-le au répertoire de votre projet à l'aide de Xcode. Pour savoir comment ajouter des fichiers à votre projet Xcode, reportez-vous à la section Gestion fichiers et dossiers dans votre Xcode projet.
Utilisez la propriété BaseOptions.modelAssetPath
pour spécifier le chemin d'accès au modèle.
dans votre app bundle. Pour obtenir un exemple de code, consultez la section suivante.
Créer la tâche
Vous pouvez créer la tâche de détection d'objets en appelant l'un de ses initialiseurs. La
L'initialiseur ObjectDetector(options:)
définit les valeurs des options de configuration
y compris le mode de course, les paramètres régionaux des noms à afficher, le nombre maximal de résultats, le niveau de confiance
un seuil, une liste d'autorisation de catégories et une liste de blocage.
Si vous n'avez pas besoin d'initialiser un détecteur d'objets avec une configuration personnalisée
vous pouvez utiliser l'initialiseur ObjectDetector(modelPath:)
pour créer
Détecteur d'objets avec les options par défaut. Pour en savoir plus sur la 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. Par défaut, ObjectDetector(modelPath:)
initialise un
pour les images fixes. Si vous souhaitez que votre tâche soit initialisée pour traiter des vidéos
ou de flux vidéo en direct, utilisez ObjectDetector(options:)
pour spécifier la vidéo
ou diffusion en direct. Le mode "Diffusion en direct" nécessite également
l'option de configuration objectDetectorLiveStreamDelegate
, qui active
Détecteur d'objets pour fournir les résultats de détection au délégué de manière asynchrone.
Choisissez l'onglet correspondant à votre mode d'exécution pour découvrir comment créer la tâche. et exécuter des inférences.
Swift
Image
import MediaPipeTasksVision let modelPath = Bundle.main.path(forResource: "model", ofType: "tflite") let options = ObjectDetectorOptions() options.baseOptions.modelAssetPath = modelPath options.runningMode = .image options.maxResults = 5 let objectDetector = try ObjectDetector(options: options)
Vidéo
import MediaPipeTasksVision let modelPath = Bundle.main.path(forResource: "model", ofType: "tflite") let options = ObjectDetectorOptions() options.baseOptions.modelAssetPath = modelPath options.runningMode = .video options.maxResults = 5 let objectDetector = try ObjectDetector(options: options)
diffusion en direct
import MediaPipeTasksVision // Class that conforms to the `ObjectDetectorLiveStreamDelegate` protocol and // implements the method that the object detector calls once it // finishes performing detection on each input frame. class ObjectDetectorResultProcessor: NSObject, ObjectDetectorLiveStreamDelegate { func objectDetector( _ objectDetector: ObjectDetector, didFinishDetection objectDetectionResult: ObjectDetectorResult?, timestampInMilliseconds: Int, error: Error?) { // Process the detection result or errors here. } } let modelPath = Bundle.main.path(forResource: "model", ofType: "tflite") let options = ObjectDetectorOptions() options.baseOptions.modelAssetPath = modelPath options.runningMode = .liveStream options.maxResults = 5 // Assign an object of the class to the `objectDetectorLiveStreamDelegate` // property. let processor = ObjectDetectorResultProcessor() options.objectDetectorLiveStreamDelegate = processor let objectDetector = try ObjectDetector(options: options)
Objective-C
Image
@import MediaPipeTasksVision; NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"model" ofType:@"tflite"]; MPPObjectDetectorOptions *options = [[MPPObjectDetectorOptions alloc] init]; options.baseOptions.modelAssetPath = modelPath; options.runningMode = MPPRunningModeImage; options.maxResults = 5; MPPObjectDetector *objectDetector = [[MPPObjectDetector alloc] initWithOptions:options error:nil];
Vidéo
@import MediaPipeTasksVision; NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"model" ofType:@"tflite"]; MPPObjectDetectorOptions *options = [[MPPObjectDetectorOptions alloc] init]; options.baseOptions.modelAssetPath = modelPath; options.runningMode = MPPRunningModeVideo; options.maxResults = 5; MPPObjectDetector *objectDetector = [[MPPObjectDetector alloc] initWithOptions:options error:nil];
diffusion en direct
@import MediaPipeTasksVision; // Class that conforms to the `ObjectDetectorLiveStreamDelegate` protocol and // implements the method that the object detector calls once it // finishes performing detection on each input frame. @interface APPObjectDetectorResultProcessor : NSObject@end @implementation MPPObjectDetectorResultProcessor - (void)objectDetector:(MPPObjectDetector *)objectDetector didFinishDetectionWithResult:(MPPObjectDetectorResult *)ObjectDetectorResult timestampInMilliseconds:(NSInteger)timestampInMilliseconds error:(NSError *)error { // Process the detection result or errors here. } @end NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"model" ofType:@"tflite"]; MPPObjectDetectorOptions *options = [[MPPObjectDetectorOptions alloc] init]; options.baseOptions.modelAssetPath = modelPath; options.runningMode = MPPRunningModeLiveStream; options.maxResults = 5; // Assign an object of the class to the `objectDetectorLiveStreamDelegate` // property. APPObjectDetectorResultProcessor *processor = [APPObjectDetectorResultProcessor new]; options.objectDetectorLiveStreamDelegate = processor; MPPObjectDetector *objectDetector = [[MPPObjectDetector alloc] initWithOptions:options error:nil];
Options de configuration
Cette tâche comporte les options de configuration suivantes pour les applications iOS:
Nom de l'option | Description | Plage de valeurs | Valeur par défaut |
---|---|---|---|
runningMode |
Définit le mode d'exécution de la tâche. Il y en a trois
modes: IMAGE: mode utilisé pour la saisie d'une seule image. VIDEO: mode des images décodées d'une vidéo. LIVE_STREAM: mode d'une diffusion en direct des entrées provenant d'un appareil photo, par exemple. Dans ce mode, resultListener doit être appelé pour configurer un écouteur afin de recevoir les résultats ; de manière asynchrone. |
{RunningMode.image, RunningMode.video, RunningMode.liveStream } |
RunningMode.image |
displayNamesLocales |
Définit la langue des libellés à utiliser pour les noms à afficher fournis dans les
les métadonnées du modèle de la tâche, le cas échéant. La valeur par défaut est en pour
anglais. Vous pouvez ajouter des libellés localisés aux métadonnées d'un modèle personnalisé
à l'aide de l'API TensorFlow Lite Metadata Writer ;
|
Code des paramètres régionaux | en |
maxResults |
Définit le nombre maximal facultatif de résultats de détection les mieux notés sur retour. | Tous les nombres positifs | -1 (tous les résultats sont renvoyés) |
scoreThreshold |
Définit le seuil de score de prédiction qui remplace celui indiqué dans les métadonnées du modèle (le cas échéant). Les résultats inférieurs à cette valeur sont refusés. | N'importe quel nombre décimal | Non défini |
categoryAllowlist |
Définit la liste facultative des noms de catégories autorisés. Si ce champ n'est pas vide,
les résultats de détection dont le nom de catégorie ne figure pas dans cet ensemble sont
filtrées. Les noms de catégories en double ou inconnus sont ignorés.
Cette option s'exclue mutuellement avec categoryDenylist et utilise
génèrent une erreur. |
Toutes les chaînes | Non défini |
categoryDenylist |
Définit la liste facultative des noms de catégories non autorisés. Si
non vide, les résultats de détection dont le nom de catégorie se trouve dans cet ensemble seront filtrés
s'affiche. Les noms de catégories en double ou inconnus sont ignorés. Cette option est mutuellement
exclusive avec categoryAllowlist et l'utilisation des deux entraîne une erreur. |
Toutes les chaînes | Non défini |
Configuration de la diffusion en direct
Lorsque le mode d'exécution est défini sur la diffusion en direct, le détecteur d'objets requiert
l'option de configuration objectDetectorLiveStreamDelegate
supplémentaire, qui
permet au détecteur de fournir des résultats de détection de manière asynchrone. Le délégué
met en œuvre
objectDetector(_objectDetector:didFinishDetection:timestampInMilliseconds:error:)
, que le détecteur d'objets appelle après le traitement du résultat de la détection pour
chaque image.
Nom de l'option | Description | Plage de valeurs | Valeur par défaut |
---|---|---|---|
objectDetectorLiveStreamDelegate |
Permet au détecteur d'objets de recevoir les résultats de détection de manière asynchrone dans
diffusion en direct. La classe dont l'instance est définie sur cette propriété doit :
implémenter
objectDetector(_:didFinishDetection:timestampInMilliseconds:error:)
. |
Non applicable | Non défini |
Préparer les données
Vous devez convertir l'image ou le cadre d'entrée en objet MPImage
avant
et les transmet au détecteur d'objets. MPImage
est compatible avec différents types d'images iOS
et peuvent les utiliser dans n'importe quel mode d'exécution pour l'inférence. Pour plus
plus d'informations sur MPImage
, consultez
API MPImage
Choisissez un format d'image iOS en fonction de votre cas d'utilisation et du mode de course que vous
requise par l'application.MPImage
accepte les règles de confidentialité UIImage
, CVPixelBuffer
et
CMSampleBuffer
formats d'image iOS.
UIImage
Le format UIImage
convient bien aux modes d'exécution suivants:
Images : images d'un app bundle, d'une galerie d'utilisateur ou d'un système de fichiers au format suivant : Les images
UIImage
peuvent être converties en objetMPImage
.Vidéos: utilisez AVAssetImageGenerator. pour extraire des images vidéo CGImage le format d'image, puis les convertir en
UIImage
images.
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'exemple initialise un MPImage
avec les valeurs par défaut
UIImage.Orientation.Up
l'orientation. Vous pouvez initialiser un MPImage
avec n'importe laquelle des
UIImage.Orientation
valeurs. Le détecteur d'objets n'est pas compatible avec les orientations en miroir comme .upMirrored
,
.downMirrored
, .leftMirrored
et .rightMirrored
.
Pour plus d'informations sur UIImage
, reportez-vous à UIImage Apple Developer
documentation.
CVPixelBuffer
Le format CVPixelBuffer
convient bien aux applications qui génèrent des frames
et utiliser la classe iOS CoreImage
pour le traitement.
Le format CVPixelBuffer
convient bien aux modes d'exécution suivants:
Images: applications qui génèrent
CVPixelBuffer
images après un traitement utilisant le frameworkCoreImage
d'iOS peut être envoyé au détecteur d'objets d'exécution de l'image.Vidéos: les images vidéo peuvent être converties au format
CVPixelBuffer
pour en cours de traitement, puis envoyées au détecteur d'objets en mode vidéo.Diffusion en direct: les applications utilisant un appareil photo iOS pour générer des images peuvent être converties au format
CVPixelBuffer
pour être traité avant d'être envoyé au Détecteur d'objets en mode diffusion en direct.
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];
Pour plus d'informations sur CVPixelBuffer
, reportez-vous au fichier CVPixelBuffer
Développeur
documentation.
CMSampleBuffer
Le format CMSampleBuffer
stocke des échantillons multimédias d'un type uniforme et est
bien adapté au streaming en direct. Les images en direct des appareils photo iOS sont
envoyé de manière asynchrone au format CMSampleBuffer
par 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];
Pour plus d'informations sur CMSampleBuffer
, reportez-vous au fichier CMSampleBuffer
Développeur
documentation.
Exécuter la tâche
Pour exécuter le détecteur d'objets, utilisez la méthode detect()
spécifique à l'objet
en cours d'exécution:
- Image fixe:
detect(image:)
- Vidéo :
detect(videoFrame:timestampInMilliseconds:)
- diffusion en direct:
detectAsync(image:)
Les exemples de code suivants illustrent des exemples élémentaires d'exécution du détecteur d'objets dans ces différents modes de fonctionnement:
Swift
Image
let objectDetector.detect(image:image)
Vidéo
let objectDetector.detect(videoFrame:image)
diffusion en direct
let objectDetector.detectAsync(image:image)
Objective-C
Image
MPPObjectDetectorResult *result = [objectDetector detectInImage:image error:nil];
Vidéo
MPPObjectDetectorResult *result = [objectDetector detectInVideoFrame:image timestampInMilliseconds:timestamp error:nil];
diffusion en direct
BOOL success = [objectDetector detectAsyncInImage:image timestampInMilliseconds:timestamp error:nil];
L'exemple de code du détecteur d'objets montre les implémentations de chacun de ces modes
detect(image:)
, detect(videoFrame:)
et
detectAsync(image:)
L'exemple de code permet à
l'utilisateur de basculer entre
des modes de traitement qui peuvent
ne pas être nécessaires pour votre cas d'utilisation.
Veuillez noter les points suivants :
Lorsque vous utilisez le mode vidéo ou le mode direct, vous devez également fournir le le code temporel de la trame d'entrée à la tâche du détecteur d'objets.
Lors de l'exécution en mode image ou vidéo, la tâche de détection d'objets bloque thread actuel jusqu'à ce qu'il ait fini de traiter l'image ou le frame d'entrée. À éviter de bloquer le thread actuel, exécuter le traitement en arrière-plan thread utilisant iOS Dispatch ou NSOperation cadres réglementaires.
Lors de l'exécution en mode diffusion en direct, la tâche de détection d'objets est immédiatement renvoyée et ne bloque pas le thread actuel. Elle appelle
objectDetector(_objectDetector:didFinishDetection:timestampInMilliseconds:error:)
avec le résultat de la détection après le traitement de chaque trame d'entrée. La Le détecteur d'objets appelle cette méthode de manière asynchrone sur un réseau la file d'attente de distribution. Pour afficher les résultats dans l'interface utilisateur, envoyez dans la file d'attente principale après leur traitement. Si ledetectAsync
est appelée lorsque la tâche de détection d'objets est occupée à traiter une autre d'entrée, le détecteur d'objets ignore la nouvelle trame d'entrée.
Gérer et afficher les résultats
Lors de l'exécution de l'inférence, la tâche de détection d'objets renvoie un 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 les résultats de la détection renvoyé par la tâche, consultez l'exemple de code pour plus de détails.