एमएल किट की मदद से, इमेज में मौजूद ऑब्जेक्ट का पता लगाएं: Android

1. शुरू करने से पहले

ML Kit, मोबाइल के लिए एक एसडीके है. इसकी मदद से, Android और iOS ऐप्लिकेशन में Google की ऑन-डिवाइस मशीन लर्निंग की विशेषज्ञता का इस्तेमाल किया जा सकता है. Vision और Natural Language API का इस्तेमाल करके, अपने ऐप्लिकेशन में आम तौर पर आने वाली समस्याओं को हल किया जा सकता है. ये एपीआई, इस्तेमाल करने में आसान होने के साथ-साथ कारगर भी हैं. इसके अलावा, इनकी मदद से उपयोगकर्ता के लिए बिलकुल नए अनुभव भी बनाए जा सकते हैं. ये सभी एपीआई, Google के बेहतरीन एमएल मॉडल पर काम करते हैं. साथ ही, ये आपको बिना किसी शुल्क के उपलब्ध कराए जाते हैं.

ML Kit के सभी एपीआई, डिवाइस पर ही काम करते हैं. इससे, रीयल-टाइम में इस्तेमाल के ऐसे उदाहरणों को लागू किया जा सकता है जिनमें लाइव कैमरा स्ट्रीम को प्रोसेस करना हो. उदाहरण के लिए, लाइव कैमरा स्ट्रीम को प्रोसेस करना. इसका मतलब है कि यह सुविधा ऑफ़लाइन भी उपलब्ध है.

इस कोडलैब में, आपको अपने मौजूदा Android ऐप्लिकेशन में किसी इमेज के लिए, ऑब्जेक्ट का पता लगाने और उसे ट्रैक करने (ओडीटी) की सुविधा जोड़ने के आसान चरणों के बारे में जानकारी मिलेगी. कृपया ध्यान दें कि इस कोडलैब में, ML Kit ODT के इस्तेमाल को हाइलाइट करने के लिए कुछ शॉर्टकट अपनाए गए हैं.

इस कोडलैब में आपको क्या बनाना है

इस कोडलैब में, आपको ML Kit की मदद से एक Android ऐप्लिकेशन बनाना है. आपका ऐप्लिकेशन, दी गई इमेज में मौजूद ऑब्जेक्ट का पता लगाने के लिए, ML Kit के ऑब्जेक्ट का पता लगाने और उसे ट्रैक करने वाले एपीआई का इस्तेमाल करेगा.आखिर में, आपको दाईं ओर मौजूद इमेज जैसा कुछ दिखना चाहिए.

आपको क्या सीखने को मिलेगा

अपने Android ऐप्लिकेशन में ML Kit SDK को इंटिग्रेट करने का तरीका
ML Kit का ऑब्जेक्ट का पता लगाने और उसे ट्रैक करने वाला एपीआई

आपको इन चीज़ों की ज़रूरत होगी

Android Studio का नया वर्शन (v4.1.2 या इसके बाद का वर्शन)
Android Studio का एम्युलेटर या Android वाला कोई डिवाइस
सैंपल कोड
Kotlin में Android डेवलपमेंट की बुनियादी जानकारी

यह कोडलैब, ML Kit पर फ़ोकस करता है. इसमें काम के न होने वाले कॉन्सेप्ट और कोड ब्लॉक को नज़रअंदाज़ किया गया है. इन्हें सिर्फ़ कॉपी और पेस्ट करने के लिए उपलब्ध कराया गया है.

2. सेट अप करें

कोड डाउनलोड करना

इस कोडलैब के लिए, पूरा कोड डाउनलोड करने के लिए, यहां दिए गए लिंक पर क्लिक करें:

डाउनलोड की गई zip फ़ाइल को अनपैक करें. इससे, एक रूट फ़ोल्डर (mlkit-android-main) अनपैक होगा. इसमें वे सभी संसाधन मौजूद होंगे जिनकी आपको ज़रूरत होगी. इस कोडलैब के लिए, आपको सिर्फ़ object-detection सब-डायरेक्ट्री में मौजूद सोर्स की ज़रूरत होगी.

mlkit-android डेटाबेस में मौजूद object-detection सब-डायरेक्ट्री में दो डायरेक्ट्री होती हैं:

starter—यह शुरुआती कोड है. इस कोडलैब के लिए, आपको इसी कोड पर काम करना है.
final—यह पूरा कोड है. यह सैंपल ऐप्लिकेशन के लिए है.

3. प्रोजेक्ट में, ML Kit का ऑब्जेक्ट का पता लगाने और उसे ट्रैक करने वाला एपीआई जोड़ना

ऐप्लिकेशन को Android Studio में इंपोर्ट करना

चलिए, starter ऐप्लिकेशन को Android Studio में इंपोर्ट करके शुरू करते हैं.

Android Studio खोलें. इसके बाद, Import Project (Gradle, Eclipse ADT, etc.) को चुनें. अब पहले से डाउनलोड किए गए सोर्स कोड में से, starter फ़ोल्डर को चुनें.

ML Kit के ऑब्जेक्ट का पता लगाने और उसे ट्रैक करने की डिपेंडेंसी जोड़ना

ML Kit की डिपेंडेंसी की मदद से, अपने ऐप्लिकेशन में ML Kit ODT SDK को इंटिग्रेट किया जा सकता है. अपने प्रोजेक्ट की app/build.gradle फ़ाइल के आखिर में, ये लाइनें जोड़ें:

build.gradle

dependencies {
  // ...
  implementation 'com.google.mlkit:object-detection:16.2.4'
}

अपने प्रोजेक्ट को gradle फ़ाइलों के साथ सिंक करना

यह पक्का करने के लिए कि आपके ऐप्लिकेशन के लिए सभी डिपेंडेंसी उपलब्ध हैं, आपको इस समय अपने प्रोजेक्ट को gradle फ़ाइलों के साथ सिंक करना चाहिए.

Android Studio के टूलबार में, Sync Project with Gradle Files ( ) को चुनें.

(अगर यह बटन काम नहीं कर रहा है, तो पक्का करें कि आपने सिर्फ़ starter/app/build.gradle को इंपोर्ट किया हो. पूरा डेटाबेस इंपोर्ट न करें.)

4. starter ऐप्लिकेशन चलाना

अब आपने प्रोजेक्ट को Android Studio में इंपोर्ट कर लिया है. साथ ही, ML Kit के ऑब्जेक्ट का पता लगाने और उसे ट्रैक करने की डिपेंडेंसी भी जोड़ ली हैं. अब आप पहली बार ऐप्लिकेशन चलाने के लिए तैयार हैं.

अपने Android डिवाइस को यूएसबी केबल की मदद से होस्ट से कनेक्ट करें या Android Studio का एम्युलेटर शुरू करें, इसके बाद,Android Studio के टूलबार में Run ( ) पर क्लिक करें.

ऐप्लिकेशन चलाना और उसे एक्सप्लोर करना

ऐप्लिकेशन, आपके Android डिवाइस पर लॉन्च हो जाना चाहिए. इसमें कुछ बॉयलरप्लेट कोड होता है. इसकी मदद से, फ़ोटो कैप्चर की जा सकती है या पहले से सेट की गई कोई इमेज चुनी जा सकती है. इसके बाद, इसे ऑब्जेक्ट का पता लगाने और उसे ट्रैक करने वाले पाइपलाइन में भेजा जा सकता है. इस पाइपलाइन को इस कोडलैब में बनाया जाएगा. कोड लिखने से पहले, चलिए ऐप्लिकेशन को थोड़ा एक्सप्लोर करते हैं.

सबसे पहले, सबसे नीचे एक बटन ( ) होता है. इसका इस्तेमाल इन कामों के लिए किया जा सकता है:

आपके डिवाइस/एम्युलेटर में इंटिग्रेट किया गया कैमरा ऐप्लिकेशन खोलना
कैमरा ऐप्लिकेशन में फ़ोटो लेना
starter ऐप्लिकेशन में कैप्चर की गई इमेज पाना
इमेज दिखाना

फ़ोटो लें बटन आज़माएं. फ़ोटो लेने के लिए दिए गए निर्देशों का पालन करें. इसके बाद, फ़ोटो को स्वीकार करें. अब देखें कि यह starter ऐप्लिकेशन में कैसे दिखती है.

यह देखने के लिए कि यह कैसे काम करता है, इसे कुछ बार दोहराएं:

दूसरा, इसमें पहले से सेट की गई तीन इमेज होती हैं. इनमें से कोई भी इमेज चुनी जा सकती है. अगर Android एम्युलेटर पर काम किया जा रहा है, तो ऑब्जेक्ट का पता लगाने वाले कोड की जांच करने के लिए, इन इमेज का इस्तेमाल किया जा सकता है.

पहले से सेट की गई तीन इमेज में से कोई एक इमेज चुनें. देखें कि इमेज, बड़े व्यू में दिखती है या नहीं:

5. डिवाइस पर ऑब्जेक्ट का पता लगाने की सुविधा जोड़ना

इस चरण में, starter ऐप्लिकेशन में इमेज में मौजूद ऑब्जेक्ट का पता लगाने की सुविधा जोड़ी जाएगी. जैसा कि आपने पिछले चरण में देखा, starter ऐप्लिकेशन में बॉयलरप्लेट कोड होता है. इसकी मदद से, डिवाइस पर कैमरा ऐप्लिकेशन से फ़ोटो ली जा सकती हैं. ऐप्लिकेशन में पहले से सेट की गई तीन इमेज भी होती हैं. अगर Android एम्युलेटर पर कोडलैब चलाया जा रहा है, तो इन इमेज पर ऑब्जेक्ट का पता लगाने की सुविधा आज़माई जा सकती है.

जब कोई इमेज चुनी जाती है, तो बॉयलरप्लेट कोड उस इमेज को Bitmap इंस्टेंस में डिकोड करता है. यह इमेज, पहले से सेट की गई इमेज से चुनी जा सकती है या कैमरा ऐप्लिकेशन से फ़ोटो लेकर चुनी जा सकती है. इसके बाद, यह इमेज स्क्रीन पर दिखती है. साथ ही, इमेज के साथ runObjectDetection तरीके को कॉल किया जाता है.

इस चरण में, runObjectDetection तरीके में ऑब्जेक्ट का पता लगाने के लिए कोड जोड़ा जाएगा!

किसी इमेज पर, डिवाइस पर ऑब्जेक्ट का पता लगाने की सुविधा सेट अप करना और उसे चलाना

ML Kit ODT को सेट अप करने के लिए, सिर्फ़ तीन आसान चरण हैं. इसके लिए, तीन एपीआई का इस्तेमाल किया जाता है:

इमेज तैयार करना: InputImage
डिटेक्टर ऑब्जेक्ट बनाना: ObjectDetection.getClient(options)
ऊपर दिए गए दो ऑब्जेक्ट को कनेक्ट करना: process(image)

MainActivity.kt फ़ाइल में, runObjectDetection(bitmap: Bitmap) फ़ंक्शन में ये काम किए जाते हैं.

/**
 * ML Kit Object Detection Function
 */
private fun runObjectDetection(bitmap: Bitmap) {
}

फ़िलहाल, यह फ़ंक्शन खाली है. ML Kit ODT को लागू करने के लिए, अगले चरणों पर जाएं! इस दौरान, Android Studio आपसे ज़रूरी इंपोर्ट जोड़ने के लिए कहेगा:

com.google.mlkit.vision.common.InputImage
com.google.mlkit.vision.objects.ObjectDetection
com.google.mlkit.vision.objects.defaults.ObjectDetectorOptions

पहला चरण: InputImage बनाना

ML Kit, Bitmap से InputImage बनाने के लिए एक आसान एपीआई उपलब्ध कराता है. इसके बाद, ML Kit के एपीआई में InputImage को फ़ीड किया जा सकता है.

// Step 1: create ML Kit's InputImage object
val image = InputImage.fromBitmap(bitmap, 0)

ऊपर दिए गए कोड को runObjectDetection(bitmap:Bitmap) में सबसे ऊपर जोड़ें.

डिटेक्टर इंस्टेंस बनाना

ML Kit, बिल्डर डिज़ाइन पैटर्न का इस्तेमाल करता है. आपको बिल्डर को कॉन्फ़िगरेशन पास करना होगा. इसके बाद, उससे डिटेक्टर हासिल करना होगा. कॉन्फ़िगर करने के तीन विकल्प हैं. इस कोडलैब में, बोल्ड में दिए गए विकल्पों का इस्तेमाल किया गया है:

डिटेक्टर मोड (एक इमेज या स्ट्रीम)
डिटेक्शन मोड (एक या एक से ज़्यादा ऑब्जेक्ट का पता लगाना)
कैटगरी तय करने का मोड (चालू या बंद)

यह कोडलैब, एक इमेज - एक से ज़्यादा ऑब्जेक्ट का पता लगाने और उनकी कैटगरी तय करने के लिए है. इसे अभी जोड़ें:

// Step 2: acquire detector object
val options = ObjectDetectorOptions.Builder()
   .setDetectorMode(ObjectDetectorOptions.SINGLE_IMAGE_MODE)
   .enableMultipleObjects()
   .enableClassification()
   .build()
val objectDetector = ObjectDetection.getClient(options)

डिटेक्टर को इमेज फ़ीड करना

ऑब्जेक्ट का पता लगाने और उनकी कैटगरी तय करने की प्रोसेस, एसिंक्रोनस होती है:

आप डिटेक्टर को process() के ज़रिए एक इमेज भेजते हैं.
डिटेक्टर, उस इमेज पर काफ़ी मेहनत करता है.
डिटेक्टर, कॉलबैक के ज़रिए आपको नतीजा वापस भेजता है.

यहां दिया गया कोड, ठीक यही काम करता है. इसे कॉपी करके जोड़ें में मौजूद मौजूदा कोड में fun runObjectDetection(bitmap:Bitmap)):

// Step 3: feed given image to detector and setup callback
objectDetector.process(image)
   .addOnSuccessListener {
       // Task completed successfully
        debugPrint(it)
   }
   .addOnFailureListener {
       // Task failed with an exception
       Log.e(TAG, it.message.toString())
   }

प्रोसेस पूरी होने पर, डिटेक्टर आपको इसकी सूचना देता है. इसमें ये जानकारी शामिल होती है:

पता लगाए गए ऑब्जेक्ट की कुल संख्या. पता लगाए गए हर ऑब्जेक्ट के बारे में यह जानकारी दी जाती है:
trackingId: यह एक ऐसा पूर्णांक है जिसका इस्तेमाल, अलग-अलग फ़्रेम में ऑब्जेक्ट को ट्रैक करने के लिए किया जाता है. इस कोडलैब में इसका इस्तेमाल नहीं किया गया है.
boundingBox: यह ऑब्जेक्ट का बाउंडिंग बॉक्स है.
labels: यह पता लगाए गए ऑब्जेक्ट के लिए लेबल की सूची है. यह सूची, सिर्फ़ तब दिखती है, जब कैटगरी तय करने की सुविधा चालू हो:
index (इस लेबल का इंडेक्स पाएं)
text (इस लेबल का टेक्स्ट पाएं. इसमें "फ़ैशन के सामान", "खाना", "घर का सामान", "जगह", "पौधा" शामिल हैं)
confidence ( यह 0.0 से 1.0 के बीच का फ़्लोट है. 1.0 का मतलब है 100%)

आपने शायद ध्यान दिया होगा कि कोड, debugPrint() की मदद से, पता लगाए गए नतीजे के लिए printf जैसी प्रोसेसिंग करता है.

इसे MainActivity क्लास में जोड़ें:

private fun debugPrint(detectedObjects: List<DetectedObject>) {
   detectedObjects.forEachIndexed { index, detectedObject ->
       val box = detectedObject.boundingBox

       Log.d(TAG, "Detected object: $index")
       Log.d(TAG, " trackingId: ${detectedObject.trackingId}")
       Log.d(TAG, " boundingBox: (${box.left}, ${box.top}) - (${box.right},${box.bottom})")
       detectedObject.labels.forEach {
           Log.d(TAG, " categories: ${it.text}")
           Log.d(TAG, " confidence: ${it.confidence}")
       }
   }
}

अब आप, ऑब्जेक्ट का पता लगाने के लिए इमेज स्वीकार करने के लिए तैयार हैं!

Android Studio के टूलबार में, Run ( ) पर क्लिक करके, कोडलैब चलाएं. पहले से सेट की गई कोई इमेज चुनें या फ़ोटो लें. इसके बाद, IDE में logcat विंडो( ) देखें.

आपको कुछ ऐसा दिखना चाहिए:

D/MLKit Object Detection: Detected object: 0
D/MLKit Object Detection:  trackingId: null
D/MLKit Object Detection:  boundingBox: (481, 2021) - (2426,3376)
D/MLKit Object Detection:  categories: Food
D/MLKit Object Detection:  confidence: 0.90234375
D/MLKit Object Detection: Detected object: 1
D/MLKit Object Detection:  trackingId: null
D/MLKit Object Detection:  boundingBox: (2639, 2633) - (3058,3577)
D/MLKit Object Detection: Detected object: 2
D/MLKit Object Detection:  trackingId: null
D/MLKit Object Detection:  boundingBox: (3, 1816) - (615,2597)
D/MLKit Object Detection:  categories: Home good
D/MLKit Object Detection:  confidence: 0.75390625

इसका मतलब है कि डिटेक्टर ने तीन ऑब्जेक्ट देखे हैं:

इनकी कैटगरी खाना और घर का सामान है.
दूसरे ऑब्जेक्ट के लिए कोई कैटगरी नहीं दिखाई गई है, क्योंकि यह एक अनजाने क्लास का है.
कोई trackingId नहीं है, क्योंकि यह एक इमेज का पता लगाने का मोड है.
boundingBox आयत में पोज़िशन. उदाहरण के लिए, (481, 2021) – (2426, 3376)
डिटेक्टर को पूरा भरोसा है कि पहला ऑब्जेक्ट खाना है. इसका कॉन्फ़िडेंस लेवल 90% है—यह सलाद था.

तकनीकी तौर पर, ML Kit के ऑब्जेक्ट का पता लगाने की सुविधा को काम करने के लिए, आपको बस इतना ही करना है. आपको यह सुविधा इस समय मिल गई है! बधाई हो!

यूआई के मामले में, आप अब भी उसी स्टेज पर हैं जहां से आपने शुरुआत की थी. हालांकि, यूआई पर, पता लगाए गए नतीजों का इस्तेमाल किया जा सकता है. जैसे, बेहतर अनुभव देने के लिए बाउंडिंग बॉक्स बनाना. चलिए, अगले चरण पर चलते हैं. इसमें, पता लगाए गए नतीजों को पोस्ट-प्रोसेस किया जाएगा!

6. पता लगाए गए नतीजों को पोस्ट-प्रोसेस करना

पिछले चरणों में, पता लगाए गए नतीजे को logcat में प्रिंट किया गया था. यह आसान और तेज़ है.

इस सेक्शन में, इमेज में मौजूद नतीजे का इस्तेमाल किया जाएगा:

इमेज पर बाउंडिंग बॉक्स बनाना
बाउंडिंग बॉक्स में, कैटगरी का नाम और कॉन्फ़िडेंस लेवल दिखाना

विज़ुअलाइज़ेशन यूटिलिटी के बारे में जानकारी

कोडलैब में, बॉयलरप्लेट कोड मौजूद है. इससे, पता लगाए गए नतीजे को विज़ुअलाइज़ करने में मदद मिलती है. अपने विज़ुअलाइज़ेशन कोड को आसान बनाने के लिए, इन यूटिलिटी का इस्तेमाल करें:

data class BoxWithText(val box: Rect, val text: String) यह एक डेटा क्लास है. इसका इस्तेमाल, विज़ुअलाइज़ेशन के लिए, ऑब्जेक्ट का पता लगाने के नतीजे को सेव करने के लिए किया जाता है. box वह बाउंडिंग बॉक्स है जिसमें ऑब्जेक्ट मौजूद होता है. वहीं, text वह स्ट्रिंग है जो ऑब्जेक्ट के बाउंडिंग बॉक्स के साथ, पता लगाए गए नतीजे को दिखाती है.
fun drawDetectionResult(bitmap: Bitmap, detectionResults: List<BoxWithText>): Bitmap यह तरीका, इनपुट bitmap पर detectionResults में मौजूद ऑब्जेक्ट का पता लगाने के नतीजों को ड्रॉ करता है. साथ ही, इसकी बदली हुई कॉपी दिखाता है.

drawDetectionResult यूटिलिटी तरीके के आउटपुट का उदाहरण यहां दिया गया है:

ML Kit के पता लगाए गए नतीजे को विज़ुअलाइज़ करना

इनपुट इमेज पर, ML Kit के ऑब्जेक्ट का पता लगाने के नतीजे को ड्रॉ करने के लिए, विज़ुअलाइज़ेशन यूटिलिटी का इस्तेमाल करें.

उस जगह पर जाएं जहां debugPrint() को कॉल किया जाता है. इसके बाद, इसके नीचे यह कोड स्निपेट जोड़ें:

// Parse ML Kit's DetectedObject and create corresponding visualization data
val detectedObjects = it.map { obj ->
    var text = "Unknown"

    // We will show the top confident detection result if it exist
    if (obj.labels.isNotEmpty()) {
        val firstLabel = obj.labels.first()
        text = "${firstLabel.text}, ${firstLabel.confidence.times(100).toInt()}%"
    }
    BoxWithText(obj.boundingBox, text)
}

// Draw the detection result on the input bitmap
val visualizedResult = drawDetectionResult(bitmap, detectedObjects)

// Show the detection result on the app screen
runOnUiThread {
    inputImageView.setImageBitmap(visualizedResult)
}

सबसे पहले, ML Kit के DetectedObject को पार्स करें. इसके बाद, विज़ुअलाइज़ेशन का नतीजा दिखाने के लिए, BoxWithText ऑब्जेक्ट की सूची बनाएं.
इसके बाद, इनपुट इमेज पर, पता लगाए गए नतीजे को ड्रॉ करें. इसके लिए, drawDetectionResult यूटिलिटी तरीके का इस्तेमाल करें. साथ ही, इसे स्क्रीन पर दिखाएं.

इसे चलाएं

अब Android Studio के टूलबार में, Run ( ) पर क्लिक करें.

ऐप्लिकेशन लोड होने के बाद, कैमरे के आइकॉन वाले बटन को दबाएं. इसके बाद, अपने कैमरे को किसी ऑब्जेक्ट पर पॉइंट करें. अब फ़ोटो लें. इसके बाद, कैमरा ऐप्लिकेशन में फ़ोटो को स्वीकार करें. इसके अलावा, पहले से सेट की गई किसी भी इमेज पर आसानी से टैप किया जा सकता है. आपको पता लगाए गए नतीजे दिखने चाहिए. ML Kit ODT के नए वर्शन को आज़माने के लिए, बटन को फिर से दबाएं या कोई दूसरी इमेज चुनें. इसे कुछ बार दोहराएं!

7. बधाई हो!

आपने ML Kit का इस्तेमाल करके, अपने ऐप्लिकेशन में ऑब्जेक्ट का पता लगाने की सुविधाएं जोड़ी हैं:

तीन चरणों में, तीन एपीआई का इस्तेमाल
इनपुट इमेज बनाना
डिटेक्टर बनाना
डिटेक्टर को इमेज भेजना

इसे सेट अप करने और चलाने के लिए, आपको बस इतना ही करना है!

आगे बढ़ने पर, आपको मॉडल को बेहतर बनाने की ज़रूरत पड़ सकती है. जैसा कि आप देख सकते हैं कि डिफ़ॉल्ट मॉडल सिर्फ़ पांच कैटगरी को पहचान सकता है. मॉडल को चाकू, कांटा, और बोतल के बारे में भी जानकारी नहीं है. कस्टम मॉडल को ट्रेन करने का तरीका जानने के लिए, ऑन-डिवाइस मशीन लर्निंग - ऑब्जेक्ट का पता लगाने के लिए बने हमारे लर्निंग पाथवे में मौजूद दूसरा कोडलैब देखें.

हमने क्या कवर किया

अपने Android ऐप्लिकेशन में, ML Kit के ऑब्जेक्ट का पता लगाने और उसे ट्रैक करने की सुविधा जोड़ने का तरीका
इमेज में मौजूद ऑब्जेक्ट का पता लगाने के लिए, ML Kit में ऑन-डिवाइस ऑब्जेक्ट का पता लगाने और उसे ट्रैक करने की सुविधा का इस्तेमाल करने का तरीका

अगले चरण

ज़्यादा इमेज और लाइव वीडियो के साथ, ML Kit ODT को और एक्सप्लोर करें. इससे, ऑब्जेक्ट का पता लगाने और उनकी कैटगरी तय करने की सटीक जानकारी और परफ़ॉर्मेंस के बारे में पता चलेगा
कस्टम मॉडल को ट्रेन करने का तरीका जानने के लिए, ऑन-डिवाइस मशीन लर्निंग - ऑब्जेक्ट का पता लगाने के लिए बना लर्निंग पाथवे देखें
अपने Android ऐप्लिकेशन में, ML Kit ODT को लागू करें

ज़्यादा जानें

https://developers.google.com/ml-kit/vision/object-detection