关于hms-core:超简单集成HMS-Core-ML-Kit场景识别构建相册管理新模式

前言

“给你看下我之前去景区玩拍的照片，风光很好”

”嗯嗯，我正好也筹备出去玩，快分享下“

……

”照片呢，还没找到吗？“

”等会啊，手机里太多照片了，给我点工夫找找“

这是不是很多人的常态？

看着手机里上百张甚至上千张照片，想要找到某张特定的照片，几乎堪比海底捞针，费时又费劲。难道只能在相册里从头到尾浏览一遍，不能依照照片中物品类别进行查找吗？

当然能够了，华为机器学习服务场景辨认性能就能够通过辨认、标签图片中的物品，将照片精准分类，建设智能相册。有了这个性能，咱们就能够疾速定位、查找指标照片了。

性能个性

华为场景辨认服务反对对图片的场景内容进行分类并增加标注信息，如美食、花朵、绿植、猫、狗、厨房、山峰、洗衣机等102种场景，并基于辨认到的信息，构建更智能的相册利用体验。

场景辨认具备以下性能个性：

多类场景辨认

反对102种场景的辨认，并继续减少。

辨认准确率高

可辨认多种物品、场景，辨认准确率高。

辨认响应速度快

毫秒级响应速度，并一直优化性能体现。

集成简略高效

提供API接口和SDK包，不便客户集成，操作简略，缩小开发成本。

利用场景

场景辨认除了利用于建设智能相册、照片检索和分类外，还能够辨认拍摄场景主动抉择相应的场景滤镜和相机参数，帮忙用户拍摄出更好看的照片。

开发代码

1 开发筹备工作

1.1 配置AppGallery Connect。

在开发利用前，须要在AppGallery Connect中配置相干信息。
具体操作步骤，请参考下方链接：
https://developer.huawei.com/consumer/cn/doc/development/HMSCore-Guides-V5/config-agc-0000001050990353-V5

1.2 配置HMS Core SDK的Maven仓地址，并实现本服务的SDK集成。

（1）关上Android Studio我的项目级“build.gradle”文件。

（2）增加HUAWEI agcp插件以及Maven代码库。

在“allprojects > repositories”中配置HMS Core SDK的Maven仓地址。
在“buildscript > repositories”中配置HMS Core SDK的Maven仓地址。
如果App中增加了“agconnect-services.json”文件则须要在“buildscript > dependencies”中减少agcp配置。

buildscript {
    repositories {
        google()
        jcenter()
        maven {url 'https://developer.huawei.com/repo/'}
    }
    dependencies {
        ...
        classpath 'com.huawei.agconnect:agcp:1.4.1.300'
    }
}
  
allprojects {
    repositories {
        google()
        jcenter()
        maven {url 'https://developer.huawei.com/repo/'}
    }
}

2 开发代码

动态图片检测

2.1 创立场景辨认检测器实例。

// 形式1：应用默认的参数配置。
MLSceneDetectionAnalyzer analyzer = MLSceneDetectionAnalyzerFactory.getInstance().getSceneDetectionAnalyzer();
// 形式2：按自定义配置创立场景辨认分析器实例。
MLSceneDetectionAnalyzerSetting setting = new MLSceneDetectionAnalyzerSetting.Factory()
     // 设置场景辨认可信度阈值。
     .setConfidence(confidence)
     .create();
MLSceneDetectionAnalyzer analyzer = MLSceneDetectionAnalyzerFactory.getInstance().getSceneDetectionAnalyzer(setting);

2.2 通过android.graphics.Bitmap结构MLFrame，反对的图片格式包含：jpg/jpeg/png/bmp。

MLFrame frame = new MLFrame.Creator().setBitmap(bitmap).create();

2.3 进行场景辨认。

// 形式1：同步辨认。
SparseArray<MLSceneDetection> results = analyzer.analyseFrame(frame);
// 形式2：异步辨认。
Task<List<MLSceneDetection>> task = analyzer.asyncAnalyseFrame(frame);
task.addOnSuccessListener(new OnSuccessListener<List<MLSceneDetection>>() {
    public void onSuccess(List<MLSceneDetection> result) {
        // 场景辨认胜利的解决逻辑。
    }})
    .addOnFailureListener(new OnFailureListener() {
        public void onFailure(Exception e) {
            // 场景辨认辨认失败的解决逻辑。
            // failure.
            if (e instanceof MLException) {
                MLException mlException = (MLException)e;
                // 获取错误码，开发者能够对错误码进行解决，依据错误码进行差异化的页面提醒。
                int errorCode = mlException.getErrCode();
                // 获取报错信息，开发者能够联合错误码，疾速定位问题。
                String errorMessage = mlException.getMessage();
            } else {
                // 其余异样。
        }
    }
});

2.4 检测实现，进行分析器，开释检测资源。

if (analyzer != null) {
    analyzer.stop();
}

视频流检测

开发者能够自行处理视频流，将视频流转化为MLFrame对象，再按动态图像检测的办法进行场景辨认。

如果开发者调用的是同步检测接口，也能够应用SDK内置的LensEngine类实现视频流场景辨认。示例代码如下：

3.1 创立场景辨认分析器，只反对创立端侧场景辨认分析器。

MLSceneDetectionAnalyzer analyzer = MLSceneDetectionAnalyzerFactory.getInstance().getSceneDetectionAnalyzer();

3.2 开发者创立辨认后果解决类“SceneDetectionAnalyzerTransactor”，该类实现MLAnalyzer.MLTransactor<T>接口，应用该接口中的transactResult办法获取检测后果并实现具体业务。

public class SceneDetectionAnalyzerTransactor implements MLAnalyzer.MLTransactor<MLSceneDetection> {
    @Override
    public void transactResult(MLAnalyzer.Result<MLSceneDetection> results) {
        SparseArray<MLSceneDetection> items = results.getAnalyseList();
        // 开发者依据须要解决辨认后果，须要留神，这里只对检测后果进行解决。
        // 不可调用ML Kit提供的其余检测相干接口。
    }
    @Override
    public void destroy() {
        // 检测完结回调办法，用于开释资源等。
    }
}

3.3 设置辨认后果处理器，实现分析器与后果处理器的绑定。

analyzer.setTransactor(new SceneDetectionAnalyzerTransactor());
// 创立LensEngine，该类由ML Kit SDK提供，用于捕获相机动静视频流并传入分析器。
Context context = this.getApplicationContext();
LensEngine lensEngine = new LensEngine.Creator(context, this.analyzer)
    .setLensType(LensEngine.BACK_LENS)
    .applyDisplayDimension(1440, 1080)
    .applyFps(30.0f)
    .enableAutomaticFocus(true)
    .create();

3.4 调用run办法，启动相机，读取视频流，进行辨认。

// 请自行实现SurfaceView控件的其余逻辑。
SurfaceView mSurfaceView = findViewById(R.id.surface_view);
try {
    lensEngine.run(mSurfaceView.getHolder());
} catch (IOException e) {
    // 异样解决逻辑。
}

3.5 检测实现，进行分析器，开释检测资源。

if (analyzer != null) {
    analyzer.stop();
}
if (lensEngine != null) {
    lensEngine.release();
}

DEMO展现

原文链接：https://developer.huawei.com/consumer/cn/forum/topic/0201404868263200225?fid=18

原作者：say hi

关于hms-core:超简单集成HMS-Core-ML-Kit场景识别构建相册管理新模式

前言

性能个性

利用场景

开发代码

1 开发筹备工作

1.1 配置AppGallery Connect。

1.2 配置HMS Core SDK的Maven仓地址，并实现本服务的SDK集成。

2 开发代码

动态图片检测

2.1 创立场景辨认检测器实例。

2.2 通过android.graphics.Bitmap结构MLFrame，反对的图片格式包含：jpg/jpeg/png/bmp。

2.3 进行场景辨认。

2.4 检测实现，进行分析器，开释检测资源。

视频流检测

3.1 创立场景辨认分析器，只反对创立端侧场景辨认分析器。

3.2 开发者创立辨认后果解决类“SceneDetectionAnalyzerTransactor”，该类实现MLAnalyzer.MLTransactor<T>接口，应用该接口中的transactResult办法获取检测后果并实现具体业务。

3.3 设置辨认后果处理器，实现分析器与后果处理器的绑定。

3.4 调用run办法，启动相机，读取视频流，进行辨认。

3.5 检测实现，进行分析器，开释检测资源。

DEMO展现

评论

发表回复取消回复

更多文章

DDN HPC 存储硬件架构设计深度分析

探秘IO500：从Lustre并行文件系统出发，开启HPC存储性能新征程

苹果iOS打包的ipa应用无法安装？一篇文章带你了解可能的原因及排查方法

图解Golang：从零开始实现简易版过期LRU缓存

关于hms-core:超简单集成HMS-Core-ML-Kit场景识别构建相册管理新模式

前言

性能个性

利用场景

开发代码

1 开发筹备工作

1.1 配置AppGallery Connect。

1.2 配置HMS Core SDK的Maven仓地址，并实现本服务的SDK集成。

2 开发代码

动态图片检测

2.1 创立场景辨认检测器实例。

2.2 通过android.graphics.Bitmap结构MLFrame，反对的图片格式包含：jpg/jpeg/png/bmp。

2.3 进行场景辨认。

2.4 检测实现，进行分析器，开释检测资源。

视频流检测

3.1 创立场景辨认分析器，只反对创立端侧场景辨认分析器。

3.2 开发者创立辨认后果解决类“SceneDetectionAnalyzerTransactor”，该类实现MLAnalyzer.MLTransactor<T>接口，应用该接口中的transactResult办法获取检测后果并实现具体业务。

3.3 设置辨认后果处理器，实现分析器与后果处理器的绑定。

3.4 调用run办法，启动相机，读取视频流，进行辨认。

3.5 检测实现，进行分析器，开释检测资源。

DEMO展现

评论

发表回复 取消回复

更多文章

DDN HPC 存储硬件架构设计深度分析

探秘IO500：从Lustre并行文件系统出发，开启HPC存储性能新征程

苹果iOS打包的ipa应用无法安装？一篇文章带你了解可能的原因及排查方法

图解Golang：从零开始实现简易版过期LRU缓存

发表回复取消回复