Nesne Algılayıcı görevi, birden fazla nesne sınıfının varlığını ve konumunu tespit etmenize olanak tanır. Örneğin, Nesne Algılayıcı, bir resimdeki köpeklerin yerini belirleyebilir. Bu talimatlar, iOS'te Nesne Algılayıcı görevinin nasıl kullanılacağını gösterir. Bu talimatlarda açıklanan kod örneğine GitHub'dan ulaşabilirsiniz.
Bu web demosunu izleyerek bu görevi çalışırken görebilirsiniz. Bu görevin özellikleri, modelleri ve yapılandırma seçenekleri hakkında daha fazla bilgi edinmek için Genel Bakış bölümüne bakın.
Kod örneği
MediaPipe Görevleri örnek kodu, iOS için Nesne Algılayıcı uygulamasının temel bir uygulamasıdır. Örnek, nesneleri sürekli olarak algılamak için fiziksel bir iOS cihazındaki kameranın yanı sıra nesnelerin statik olarak algılanması için cihaz galerisindeki resim ve videoları da kullanabilir.
Uygulamayı kendi iOS uygulamanız için başlangıç noktası olarak kullanabilir veya mevcut bir uygulamayı değiştirirken başvuruda bulunabilirsiniz. Nesne Algılayıcı örnek kodu GitHub'da barındırılır.
Kodu indirme
Aşağıdaki talimatlar, git komut satırı aracını kullanarak örnek kodun yerel bir kopyasını nasıl oluşturacağınızı göstermektedir.
Örnek kodu indirmek için:
Aşağıdaki komutu kullanarak git deposunu klonlayın:
git clone https://github.com/google-ai-edge/mediapipe-samples
İsteğe bağlı olarak, git örneğinizi az ödeme yöntemini kullanacak şekilde yapılandırarak yalnızca Nesne Algılayıcı örnek uygulamasına ait dosyalara sahip olabilirsiniz:
cd mediapipe git sparse-checkout init --cone git sparse-checkout set examples/object_detection/ios/
Örnek kodun yerel sürümünü oluşturduktan sonra MediaPipe görev kitaplığını yükleyebilir, Xcode kullanarak projeyi açabilir ve uygulamayı çalıştırabilirsiniz. Talimatlar için iOS için Kurulum Kılavuzu'na bakın.
Temel bileşenler
Aşağıdaki dosyalar, Object Detector örnek uygulaması için önemli kodu içerir:
- ObjectDetectorService.swift: Algılayıcıyı başlatır, model seçimini işler ve giriş verilerinde çıkarım yürütür.
- CameraViewController.swift: Canlı kamera feed'i giriş modu için kullanıcı arayüzünü uygular ve algılama sonuçlarını görselleştirir.
- MediaLibraryViewController.swift: Hareketsiz resim ve video dosyası giriş modu için kullanıcı arayüzünü uygular ve algılama sonuçlarını görselleştirir.
Kurulum
Bu bölümde, Nesne Algılayıcı'yı kullanmak için geliştirme ortamınızı ve kod projelerinizi ayarlamanın temel adımları açıklanmaktadır. Platform sürümü gereksinimleri de dahil olmak üzere, MediaPipe görevlerini kullanmak amacıyla geliştirme ortamınızı ayarlama hakkında genel bilgiler için iOS için kurulum kılavuzuna bakın.
Bağımlılıklar
Nesne Dedektörü, CocoaPods kullanılarak yüklenmesi gereken MediaPipeTasksVision
kitaplığını kullanır. Kitaplık hem Swift hem de Objective-C uygulamalarıyla uyumludur ve dile özgü ek kurulum gerektirmez.
CocoaPods'u macOS'e yükleme talimatları için CocoaPods yükleme kılavuzuna bakın.
Uygulamanız için gerekli kapsüllerle Podfile
oluşturma talimatları için CocoaPods'u kullanma bölümüne bakın.
Aşağıdaki kodu kullanarak MediaPipeTasksVision kapsülünü Podfile
içine ekleyin:
target 'MyObjectDetectorApp' do
use_frameworks!
pod 'MediaPipeTasksVision'
end
Uygulamanız birim test hedefleri içeriyorsa Podfile
cihazınızın kurulumuyla ilgili ek bilgiler için iOS için Kurulum Kılavuzu'na bakın.
Model
MediaPipe Nesne Dedektörü görevi, bu görevle uyumlu, eğitilmiş bir model gerektirir. Nesne Algılayıcı için eğitilmiş modeller hakkında daha fazla bilgi edinmek için göreve genel bakış Modeller bölümüne bakın.
Bir model seçip indirin ve Xcode kullanarak proje dizininize ekleyin. Xcode projenize dosya ekleme talimatları için Xcode projenizde dosya ve klasörleri yönetme bölümüne bakın.
Uygulama paketinizdeki modelin yolunu belirtmek için BaseOptions.modelAssetPath
özelliğini kullanın. Kod örneği için sonraki bölüme bakın.
Görevi oluşturma
Nesne Algılayıcı görevini, başlatıcılarından birini çağırarak oluşturabilirsiniz. ObjectDetector(options:)
başlatıcısı, çalıştırma modu, görünen adlar yerel ayarı, maksimum sonuç sayısı, güven eşiği, kategori izin verilenler listesi ve ret listesi dahil olmak üzere yapılandırma seçeneklerinin değerlerini ayarlar.
Özelleştirilmiş yapılandırma seçenekleriyle başlatılan bir Nesne Algılayıcı'ya ihtiyacınız yoksa varsayılan seçeneklerle bir Nesne Dedektörü oluşturmak için ObjectDetector(modelPath:)
başlatıcısını kullanabilirsiniz. Yapılandırma seçenekleri hakkında daha fazla bilgi için Yapılandırmaya Genel Bakış bölümüne bakın.
Nesne Algılayıcı görevi 3 giriş veri türünü destekler: sabit resimler, video dosyaları ve canlı video akışları. Varsayılan olarak ObjectDetector(modelPath:)
, hareketsiz resimler için bir görev başlatır. Görevinizin video dosyalarını veya canlı video akışlarını işlemek için başlatılmasını istiyorsanız videoyu veya canlı yayın çalışma modunu belirtmek için ObjectDetector(options:)
öğesini kullanın. Canlı yayın modu, Nesne Algılayıcı'nın algılama sonuçlarını yetkiye eşzamansız olarak sunmasını sağlayan ek objectDetectorLiveStreamDelegate
yapılandırma seçeneğini de gerektirir.
Görevi nasıl oluşturacağınızı ve çıkarımda bulunacağınızı görmek için koşu modunuza karşılık gelen sekmeyi seçin.
Swift
Resim
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)
Video
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)
canlı yayın
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
Resim
@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];
Video
@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];
canlı yayın
@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];
Yapılandırma seçenekleri
Bu görev, iOS uygulamaları için aşağıdaki yapılandırma seçeneklerine sahiptir:
Seçenek Adı | Açıklama | Değer Aralığı | Varsayılan Değer |
---|---|---|---|
runningMode |
Görevin çalışma modunu ayarlar. Üç mod vardır: RESİM: Tek resimli girişler için mod. VİDEO: Bir videonun kodu çözülmüş karelerine yönelik mod. LIVE_STREAM: Kamera gibi giriş verilerini içeren bir canlı yayın modu. Bu modda, sonuçları eşzamansız olarak almak üzere bir işleyici ayarlamak için resultListener çağrılmalıdır. |
{RunningMode.image, RunningMode.video, RunningMode.liveStream } |
RunningMode.image |
displayNamesLocales |
Varsa görev modelinin meta verilerinde sağlanan görünen adlar için kullanılacak etiketlerin dilini ayarlar. İngilizce için varsayılan değer en şeklindedir. TensorFlow Lite Metadata Writer API'yi kullanarak özel modelin meta verilerine yerelleştirilmiş etiketler ekleyebilirsiniz
|
Yerel ayar kodu | en |
maxResults |
İsteğe bağlı olarak döndürülecek en yüksek puanlı algılama sonuçlarının isteğe bağlı maksimum sayısını ayarlar. | Pozitif sayılar | -1 (tüm sonuçlar döndürülür) |
scoreThreshold |
Model meta verilerinde belirtilen eşiği (varsa) geçersiz kılan tahmin puanı eşiğini ayarlar. Bu değerin altındaki sonuçlar reddedilir. | Tüm kayan | Belirlenmedi |
categoryAllowlist |
İsteğe bağlı olarak izin verilen kategori adları listesini ayarlar. Boş değilse kategori adı bu grupta yer almayan algılama sonuçları filtrelenir. Yinelenen veya bilinmeyen kategori adları yoksayılır.
Bu seçenek, categoryDenylist ile birlikte kullanılamaz ve her iki sonucun da kullanılması hataya neden olur. |
Herhangi bir dize | Belirlenmedi |
categoryDenylist |
İzin verilmeyen kategori adlarının isteğe bağlı listesini ayarlar. Boş değilse kategori adı bu kümede yer alan algılama sonuçları filtrelenir. Yinelenen veya bilinmeyen kategori adları yoksayılır. Bu seçenek categoryAllowlist ile birlikte kullanılamaz ve her iki sonucun da kullanılması hataya neden olur. |
Herhangi bir dize | Belirlenmedi |
Canlı yayın yapılandırması
Çalışma modu canlı yayın moduna ayarlandığında Nesne Algılayıcı için ek objectDetectorLiveStreamDelegate
yapılandırma seçeneği gerekir. Bu seçenek, algılayıcının algılama sonuçlarını eşzamansız olarak sunmasını sağlar. Yetki verilen kullanıcı, Nesne Algılayıcı'nın her kare için algılama sonucunu işledikten sonra çağırdığı objectDetector(_objectDetector:didFinishDetection:timestampInMilliseconds:error:)
yöntemini uygular.
Seçenek adı | Açıklama | Değer Aralığı | Varsayılan Değer |
---|---|---|---|
objectDetectorLiveStreamDelegate |
Nesne Dedektörü'nün canlı yayın modunda algılama sonuçlarını eşzamansız olarak almasını sağlar. Örneği bu mülke ayarlanan sınıf, objectDetector(_:didFinishDetection:timestampInMilliseconds:error:) yöntemini uygulamalıdır. |
Geçerli değil | Belirlenmedi |
Verileri hazırlama
Giriş resmini veya çerçevesini Nesne Algılayıcı'ya iletmeden önce bir MPImage
nesnesine dönüştürmeniz gerekir. MPImage
, farklı iOS görüntü biçimlerini destekler ve çıkarım için bunları herhangi bir çalışma modunda kullanabilir. MPImage
hakkında daha fazla bilgi için MPImage API'yi inceleyin.
Kullanım alanınıza ve uygulamanızın gerektirdiği çalışma moduna göre bir iOS görüntü biçimi seçin.MPImage
; UIImage
, CVPixelBuffer
ve CMSampleBuffer
iOS görüntü biçimlerini kabul eder.
UIImage
UIImage
biçimi, aşağıdaki çalıştırma modları için uygundur:
Resimler: bir uygulama paketi, kullanıcı galerisi veya dosya sisteminden
UIImage
olarak biçimlendirilmiş resimlerMPImage
nesnesine dönüştürülebilir.Videolar: AVAssetImageGenerator kullanarak video karelerini CGImage biçiminde ayıklayın ve
UIImage
görüntülerine dönüştürün.
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];
Örnekte, varsayılan UIImage.Orientation.Up yönle bir MPImage
başlatılır. Desteklenen UIImage.Orientation değerlerinden herhangi biriyle bir MPImage
başlatabilirsiniz. Nesne Algılayıcı; .upMirrored
, .downMirrored
, .leftMirrored
, .rightMirrored
gibi yansıtılmış yönleri desteklemez.
UIImage
hakkında daha fazla bilgi için UIImage Apple Developer
Dokümanlar'a bakın.
CVPixelBuffer
CVPixelBuffer
biçimi, çerçeveler oluşturan ve işleme amacıyla iOS CoreImage çerçevesini kullanan uygulamalar için uygundur.
CVPixelBuffer
biçimi, aşağıdaki çalıştırma modları için uygundur:
Resimler: iOS'in
CoreImage
çerçevesini kullanarak bir miktar işlemden sonraCVPixelBuffer
görüntüleri oluşturan uygulamalar görüntü çalıştırma modunda Nesne Algılayıcı'ya gönderilebilir.Videolar: Video kareleri, işlenmek üzere
CVPixelBuffer
biçimine dönüştürülebilir ve ardından video modundaki Nesne Algılayıcı'ya gönderilebilir.Canlı yayın: Kare oluşturmak için iOS kamera kullanan uygulamalar, canlı yayın modundaki Nesne Algılayıcı'ya gönderilmeden önce işlenmek üzere
CVPixelBuffer
biçimine dönüştürülebilir.
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
hakkında daha fazla bilgi için CVPixelBuffer Apple Geliştirici
Dokümanları'na bakın.
CMSampleBuffer
CMSampleBuffer
biçimi, tek tip bir medya türünün medya örneklerini depolar ve canlı yayın çalıştırma modu için çok uygundur. iOS kameralardan alınan canlı kareler, iOS AVCaptureVideoDataOutput tarafından eşzamansız olarak CMSampleBuffer
biçiminde yayınlanır.
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
hakkında daha fazla bilgi için CMSampleBuffer Apple Geliştirici
Dokümanları'na bakın.
Görevi çalıştırma
Nesne Algılayıcı'yı çalıştırmak için atanan çalışma moduna özel detect()
yöntemini kullanın:
- Hareketsiz resim:
detect(image:)
- Video:
detect(videoFrame:timestampInMilliseconds:)
- canlı yayın:
detectAsync(image:)
Aşağıdaki kod örnekleri, Nesne Algılayıcı'nın bu farklı çalışma modlarında nasıl çalıştırılacağına dair temel örnekleri gösterir:
Swift
Resim
let objectDetector.detect(image:image)
Video
let objectDetector.detect(videoFrame:image)
canlı yayın
let objectDetector.detectAsync(image:image)
Objective-C
Resim
MPPObjectDetectorResult *result = [objectDetector detectInImage:image error:nil];
Video
MPPObjectDetectorResult *result = [objectDetector detectInVideoFrame:image timestampInMilliseconds:timestamp error:nil];
canlı yayın
BOOL success = [objectDetector detectAsyncInImage:image timestampInMilliseconds:timestamp error:nil];
Nesne Algılayıcı kod örneğinde bu modların detect(image:)
, detect(videoFrame:)
ve detectAsync(image:)
uygulamaları daha ayrıntılı bir şekilde gösterilmektedir. Örnek kod, kullanıcının işleme modları arasında geçiş yapmasını sağlar. Bu, kullanım alanınızda gerekli olmayabilir.
Aşağıdakileri göz önünde bulundurun:
Video modunda veya canlı yayın modunda çalışırken Nesne Algılayıcı görevine giriş karesinin zaman damgasını da sağlamanız gerekir.
Resim veya video modunda çalışırken Nesne Algılayıcı görevi, giriş görüntüsünü veya çerçevesini işlemeyi bitirene kadar geçerli iş parçacığını engeller. Mevcut iş parçacığının engellenmesini önlemek için işlemeyi iOS Dispatch veya NSOperation çerçevelerini kullanarak bir arka plan iş parçacığında yürütün.
Canlı yayın modunda çalışırken Nesne Algılayıcı görevi hemen geri döner ve mevcut iş parçacığını engellemez. Her bir giriş çerçevesini işledikten sonra algılama sonucuyla
objectDetector(_objectDetector:didFinishDetection:timestampInMilliseconds:error:)
yöntemini çağırır. Nesne Algılayıcı, bu yöntemi özel bir seri dağıtım sırasında eşzamansız olarak çağırır. Sonuçları kullanıcı arayüzünde görüntülemek için, işlendikten sonra sonuçları ana sıraya gönderin.detectAsync
işlevi, Nesne Algılayıcı görevi başka bir çerçeveyi işlemekle meşgulse çağrılırsa Nesne Algılayıcı yeni giriş çerçevesini yoksayar.
Sonuçları işleme ve görüntüleme
Çıkarım yaptıktan sonra, Nesne Algılayıcı görevi, giriş görüntüsünde bulduğu nesneleri açıklayan bir ObjectDetectorResult
nesnesi döndürür.
Aşağıda, bu görevden alınan çıkış verilerinin bir örneği gösterilmektedir:
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
Aşağıdaki resimde, görev çıkışının görseli gösterilmektedir:
Nesne Algılayıcı örnek kodu, görevden döndürülen algılama sonuçlarının nasıl görüntüleneceğini gösterir. Ayrıntılar için kod örneğine bakın.