1. 簡介
ML Kit 是一款功能強大的行動 SDK，產品功能強大且易於使用，可將 Google 的機器學習專業知識導入 Android 和 iOS 應用程式。無論您是機器學習新手，還是有經驗的新手，只要使用幾行程式碼，就能輕鬆實作所需的功能。您不需要深入瞭解類神經網路或模型最佳化，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，還是靈活自訂 TensorFlow Lite 模型，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
在這個程式碼研究室中，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
- 對 Java 中的 Android 開發作業有基本瞭解
- 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。這麼做會將根資料夾 (mlkit-android-master) 解壓縮到所有所需資源。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：啟動您在本程式碼研究室中建構的程式碼。- 最終：已完成的範例應用程式的程式碼。
3. 查看 ML Kit 的依附元件
驗證 ML Kit 的依附元件
前往專案的 app 目錄，然後查看 build.gradle 檔案結尾處 (請勾選這幾行，表示確認)：
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
現在您已將專案匯入 Android Studio 並檢查 ML Kit 的依附元件，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」 ( 
)。
應用程式應該會在模擬器上啟動。此時，您應該會看到基本的版面配置，其中包含可讓您選取 3 張圖片的下拉式選單欄位。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，我們將為應用程式新增這項功能，以便辨識圖片中的文字。
設定並執行圖片的裝置端文字辨識
將以下內容新增至 MainActivity 類別的 runTextRecognition 方法：
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工具，並透過回應呼叫 processTextRecognitionResult 函式。
處理文字辨識回應
將下列程式碼新增至 MainActivity 類別的 processTextRecognitionResult 中，即可剖析結果並顯示在應用程式中。
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
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 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，將裝置端文字辨識功能新增至應用程式！裝置端文字辨識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圖片和即時影像畫面。
6. 新增裝置端輪廓偵測功能
在這個步驟中，我們會為應用程式新增功能，以便辨識圖片中的臉孔輪廓。
設定並執行裝置端的臉部輪廓偵測功能
將以下內容新增至 MainActivity 類別的 runFaceContourDetection 方法：
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工具，並透過回應呼叫 processFaceContourDetectionResult 函式。
處理臉部輪廓偵測回應
將下列程式碼新增至 MainActivity 類別的 processFaceContourDetectionResult 中，即可剖析結果並顯示在應用程式中。
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。
您的應用程式現在應如下圖所示，顯示臉部輪廓偵測結果，同時在原始圖片上方疊加顯示臉部輪廓。
恭喜，您剛剛使用 ML Kit，在應用程式中新增裝置端輪廓偵測功能了！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，輕鬆在應用程式中加入進階機器學習功能。
涵蓋內容
- 如何在 Android 應用程式中加入 ML Kit
- 如何在 ML Kit 中使用裝置端文字辨識功能尋找圖片中的文字
- 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
- 在自己的 Android 應用程式中使用 ML Kit！