1. 簡介
ML Kit 是行動 SDK，可將 Google 的機器學習專業知識整合至 Android 和 iOS 應用程式，提供強大且易於使用的套件。無論您是機器學習新手還是老手，只要加入幾行程式碼，就能輕鬆實作所需功能。您不需要具備神經網路或模型最佳化方面的專業知識，就能開始使用。
進行本程式碼研究室時，如果你遇到任何問題 (例如程式碼錯誤、文法錯誤或用詞不明確等)，請透過程式碼研究室左下角的「回報錯誤」連結回報問題。
運作方式
ML Kit 將 Mobile Vision 和 TensorFlow Lite 等 Google 機器學習技術整合至單一 SDK 中，方便您輕鬆將機器學習技術運用在自家應用程式中。無論您需要 Mobile Vision 裝置端模型的即時功能，還是自訂 TensorFlow Lite 模型的彈性，ML Kit 都能滿足您的需求。
本程式碼研究室會逐步引導您建立自己的 Android 應用程式，以便自動偵測圖片中的文字和臉部特徵。
建構目標
在本程式碼研究室中，您將使用 ML Kit 建構 Android 應用程式。您的應用程式將會：
|
|
課程內容
- 如何使用 ML Kit SDK 輕鬆新增進階機器學習功能，例如文字辨識和臉部特徵偵測
軟硬體需求
- 最新版 Android Studio (3.0 以上版本)
- Android Studio 模擬器或實體 Android 裝置
- 程式碼範例
- 具備使用 Java 進行 Android 開發作業的基本知識
- 對機器學習模型有基本瞭解
本程式碼研究室著重於 ML Kit，我們不會對與本主題無關的概念和程式碼多做介紹，但會事先準備好這些程式碼區塊，屆時您只要複製及貼上即可。
2. 開始設定
下載程式碼
點選下方連結即可下載這個程式碼研究室的所有程式碼：
將下載的 ZIP 檔案解壓縮。這會解壓縮根目錄 (mlkit-android-master)，其中包含您需要的所有資源。在本程式碼研究室中，您只需要 vision 子目錄中的資源。
mlkit-android-master 存放區中的 vision 子目錄包含兩個目錄：
starter：您在本程式碼研究室中建構的範例程式碼。- 最終：已完成的範例應用程式的程式碼。
3. 檢查 ML Kit 的依附元件
驗證 ML Kit 的依附元件
您應該已在專案的 app 目錄中，將下列行加入 build.gradle 檔案的結尾 (請確認)：
build.gradle
dependencies {
// Face features
implementation 'com.google.mlkit:face-detection:16.0.0'
// Text features
implementation 'com.google.android.gms:play-services-mlkit-text-recognition:16.0.0'
}
以下是在本程式碼研究室中實作功能時，您需要的特定 ML Kit 依附元件。
4. 執行範例應用程式
您已將專案匯入 Android Studio，並檢查 ML Kit 的依附元件，因此可以開始執行應用程式了。啟動 Android Studio 模擬器，然後按一下 Android Studio 工具列中的「Run」圖示 ( 
)。
應用程式應會在模擬器中啟動。此時，您應該會看到基本版面配置，其中包含下拉式欄位，可讓您在 3 張圖片之間進行選擇。在下一節中，您將為應用程式新增文字辨識功能，識別圖片中的文字。
5. 新增裝置端文字辨識功能
在這個步驟中，我們會在應用程式中新增功能，以便辨識圖片中的文字。
設定及執行裝置端圖片文字辨識
請在 MainActivity 類別的 runTextRecognition 方法中加入以下內容：
MainActivity.java
private void runTextRecognition() {
InputImage image = InputImage.fromBitmap(mSelectedImage, 0);
TextRecognizer recognizer = TextRecognition.getClient();
mTextButton.setEnabled(false);
recognizer.process(image)
.addOnSuccessListener(
new OnSuccessListener<Text>() {
@Override
public void onSuccess(Text texts) {
mTextButton.setEnabled(true);
processTextRecognitionResult(texts);
}
})
.addOnFailureListener(
new OnFailureListener() {
@Override
public void onFailure(@NonNull Exception e) {
// Task failed with an exception
mTextButton.setEnabled(true);
e.printStackTrace();
}
});
}
上述程式碼會設定文字辨識偵測器，並使用回應呼叫 processTextRecognitionResult 函式。
處理文字辨識回應
將以下程式碼新增至 MainActivity 類別中的 processTextRecognitionResult，即可剖析結果並在應用程式中顯示。
MainActivity.java
private void processTextRecognitionResult(Text texts) {
List<Text.TextBlock> blocks = texts.getTextBlocks();
if (blocks.size() == 0) {
showToast("No text found");
return;
}
mGraphicOverlay.clear();
for (int i = 0; i < blocks.size(); i++) {
List<Text.Line> lines = blocks.get(i).getLines();
for (int j = 0; j < lines.size(); j++) {
List<Text.Element> elements = lines.get(j).getElements();
for (int k = 0; k < elements.size(); k++) {
Graphic textGraphic = new TextGraphic(mGraphicOverlay, elements.get(k));
mGraphicOverlay.add(textGraphic);
}
}
}
}
在模擬器上執行應用程式
接著，請在 Android Studio 工具列中按一下「Run」圖示 ( )。應用程式載入後，請確認下拉式選單欄位已選取 Test Image 1(Text)，然後按一下 FIND TEXT 按鈕。
您的應用程式現在應如下圖所示，在原始圖片上方顯示文字辨識結果和定界框。
相片來源：Kai Schreiber / Wikimedia Commons / CC BY-SA 2.0
恭喜！您剛剛使用 ML Kit 在應用程式中新增了裝置端文字辨識功能！裝置端文字辨識功能適用於許多用途，即使應用程式未連上網路也能運作，而且速度足以在靜態圖片和即時影像影格上使用。
6. 新增裝置端臉部輪廓偵測功能
在這個步驟中，我們會為應用程式新增功能，以便辨識圖片中人臉的輪廓。
在裝置上設定及執行臉部輪廓偵測功能
請在 MainActivity 類別的 runFaceContourDetection 方法中加入以下內容：
MainActivity.java
private void runFaceContourDetection() {
InputImage image = InputImage.fromBitmap(mSelectedImage, 0);
FaceDetectorOptions options =
new FaceDetectorOptions.Builder()
.setPerformanceMode(FaceDetectorOptions.PERFORMANCE_MODE_FAST)
.setContourMode(FaceDetectorOptions.CONTOUR_MODE_ALL)
.build();
mFaceButton.setEnabled(false);
FaceDetector detector = FaceDetection.getClient(options);
detector.process(image)
.addOnSuccessListener(
new OnSuccessListener<List<Face>>() {
@Override
public void onSuccess(List<Face> faces) {
mFaceButton.setEnabled(true);
processFaceContourDetectionResult(faces);
}
})
.addOnFailureListener(
new OnFailureListener() {
@Override
public void onFailure(@NonNull Exception e) {
// Task failed with an exception
mFaceButton.setEnabled(true);
e.printStackTrace();
}
});
}
上述程式碼會設定臉部輪廓偵測器，並使用回應呼叫 processFaceContourDetectionResult 函式。
處理臉部輪廓偵測回應
將以下程式碼新增至 MainActivity 類別中的 processFaceContourDetectionResult，即可剖析結果並在應用程式中顯示。
MainActivity.java
private void processFaceContourDetectionResult(List<Face> faces) {
// Task completed successfully
if (faces.size() == 0) {
showToast("No face found");
return;
}
mGraphicOverlay.clear();
for (int i = 0; i < faces.size(); ++i) {
Face face = faces.get(i);
FaceContourGraphic faceGraphic = new FaceContourGraphic(mGraphicOverlay);
mGraphicOverlay.add(faceGraphic);
faceGraphic.updateFace(face);
}
}
在模擬器上執行應用程式
現在，按一下 Android Studio 工具列中的「Run」 ( )。應用程式載入後，請確認已在下拉式選單中選取 Test Image 2 (Face)，然後按一下 FIND FACE CONTOUR 按鈕。
應用程式現在應如下圖所示，顯示臉部輪廓偵測結果，並以點的形式在原始圖像上疊加臉部輪廓。
恭喜！您剛剛使用 ML Kit 在應用程式中新增了裝置端臉部輪廓偵測功能！裝置端輪廓偵測功能適用於許多用途，因為即使應用程式沒有網際網路連線，也可以快速處理靜態影像和即時影像畫面。
7. 恭喜！
您已成功使用 ML Kit，輕鬆為應用程式新增進階機器學習功能。
涵蓋內容
- 如何將 ML Kit 新增至 Android 應用程式
- 如何使用 ML Kit 中的裝置端文字辨識功能，在圖片中找出文字
- 如何使用 ML Kit 的裝置端輪廓辨識圖片中的臉部特徵
後續步驟
- 在自家 Android 應用程式中使用機器學習套件！