移动端AI与ML应用开发：基于iOS和Android

在

Android

中使用自定义模型

|

187

10.3

将

Model Maker

输出与

ML Kit

结合使用

在第 4 章中，你看到了如何使用 ML Kit 的图像标记 API 作为计算机视觉的简单解决方

案。它为你提供了一个通用的图像分类器，因此如果你向它展示一朵花的图片，它会为

你提供有关该图像的一些详细信息。具体情况如图 10-5 所示。

图

10-5

：运行通用图像分类器

如你所见，这告诉我们，我们正在观察花瓣、花朵、植物和天空！虽然一切都是准确

的，但如果我们为刚创建的自定义模型提供一个即插即用的解决方案，它可以识别特定

的花朵并将其标记为雏菊，那就太好了！

值得庆幸的是，这并不难，我们只需几行代码就可以更新该应用程序。你可以从本书的

GitHub 页面获取它。

首先，你需要添加 ML Kit 自定义标记 API。因此，除了通过 build.gradle 添加的图像标

记库之外，只需添加图像标记自定义库：

// You should have this already

implementation 'com.google.mlkit:image-labeling:17.0.1'

// Just add this

implementation 'com.google.mlkit:image-labeling-custom:16.3.1'

你的应用程序有一个 assets 目录，其中添加了你在第 4 章使用的一些示例图像。添加你

使用 TensorFlow Lite Model Maker 创建的

model.tflite ...