Obsah

• Zoznámte sa so strojovou výučbou od spoločnosti Google
• Ako môžem používať API API ML?
• Identifikujte text v ľubovoľnom obrázku pomocou rozhrania API na rozpoznávanie textu
• Pochopenie obsahu obrázka: Rozhranie API na označovanie obrázkov
• Porozumenie výrazom a sledovacím plochám: API na rozpoznanie tváre
• Skenovanie čiarových kódov pomocou Firebase a ML
• Machine Learning in the Cloud: Rozhranie API na rozpoznávanie pamiatok
• The Language Identification API: Vyvinutie pre medzinárodné publikum
• Čoskoro: Inteligentná odpoveď
• Čo bude ďalej? Použitie TensorFlow Lite s ML súpravou
• Zabalenie

Strojové učenie (ML) vám môže pomôcť vytvoriť inovatívne, presvedčivé a jedinečné zážitky pre vašich mobilných používateľov.

Po zvládnutí ML ho môžete použiť na vytvorenie širokej škály aplikácií vrátane aplikácií, ktoré automaticky organizujú fotografie na základe ich predmetu, identifikujú a sledujú tvár osoby cez živý tok, extrahujú text z obrázka a ešte oveľa viac ,

Ale ML nie je úplne začiatočník priateľský! Ak chcete vylepšiť svoje aplikácie pre Android výkonnými funkciami strojového učenia, potom kde presne začnete?

V tomto článku vám poskytnem prehľad súpravy SDK (Software Development Kit), ktorá sľubuje dať výkon ML na dosah ruky, aj keď máte nula ML skúsenosti. Na konci tohto článku budete mať základy, ktoré potrebujete, aby ste mohli začať vytvárať inteligentné aplikácie využívajúce technológiu ML, ktoré dokážu označovať obrázky, skenovať čiarové kódy, rozpoznávať tváre a slávne orientačné body a vykonávať mnoho ďalších výkonných úloh ML.

Zoznámte sa so strojovou výučbou od spoločnosti Google

S vydaním technológií, ako sú TensorFlow a CloudVision, sa ML stále viac používa, ale tieto technológie nie sú pre slabé srdce! Spravidla budete potrebovať hlboké porozumenie neurónových sietí a analýzu údajov, len aby ste sa dostali zahájená s technológiou, ako je TensorFlow.

Aj keď ty robiť mať nejaké skúsenosti s ML, vytváranie mobilnej aplikácie založenej na strojovom učení môže byť časovo náročný, zložitý a nákladný proces, ktorý vyžaduje, aby ste museli získavať dostatok údajov na zaškolenie svojich vlastných modelov ML, a potom optimalizovať tieto modely ML tak, aby efektívne fungovali v mobilné prostredie. Ak ste individuálny vývojár alebo máte obmedzené zdroje, nemusí byť možné uviesť do praxe vaše vedomosti o ML.

ML Kit je pokus spoločnosti Google o masové učenie strojov.

Pod kapotou spája spoločnosť ML Kit niekoľko výkonných technológií ML, ktoré by si zvyčajne vyžadovali rozsiahle znalosti ML, vrátane služieb Cloud Vision, TensorFlow a API systému Android Neural Networks. Sada ML kombinuje tieto špeciálne technológie ML s vopred trénovanými modelmi pre bežné použitie v mobilných zariadeniach, vrátane extrahovania textu z obrázka, skenovania čiarových kódov a identifikácie obsahu fotografie.

Bez ohľadu na to, či už máte nejaké predchádzajúce znalosti o ML, môžete použiť súpravu ML Kit na pridanie výkonných schopností strojového učenia do svojho Androidu a Aplikácie pre iOS - len odovzdajte niektoré údaje do správnej časti balíka ML Kit, napríklad do rozhrania API na rozpoznávanie textu alebo identifikáciu jazyka, a toto rozhranie API použije strojové učenie na vrátenie odpovede.

Ako môžem používať API API ML?

ML Kit je rozdelený do niekoľkých API, ktoré sú distribuované ako súčasť platformy Firebase. Ak chcete použiť ktorékoľvek z rozhraní API API, musíte si vytvoriť spojenie medzi vašim projektom Android Studio a zodpovedajúcim projektom Firebase a potom komunikovať s Firebase.

Väčšina modelov súpravy ML Kit je k dispozícii ako modely na zariadeniach, ktoré si môžete stiahnuť a používať lokálne, ale niektoré modely sú k dispozícii aj v cloude, čo umožňuje vašej aplikácii vykonávať úlohy spojené s ML pomocou internetového pripojenia zariadenia.

Každý prístup má svoj vlastný jedinečný súbor silných a slabých stránok, takže sa musíte rozhodnúť, či miestne alebo vzdialené spracovanie má pre konkrétnu aplikáciu najväčší zmysel. Môžete dokonca pridať podporu pre oba modely a potom umožniť svojim používateľom rozhodnúť sa, ktorý model použiť za behu. Prípadne môžete svoju aplikáciu nakonfigurovať tak, aby vyberala najlepší model pre súčasné podmienky, napríklad pomocou modelu založeného na cloudu, keď je zariadenie pripojené k sieti Wi-Fi.

Ak sa rozhodnete pre miestny model, funkcie strojového učenia vašej aplikácie budú vždy k dispozícii bez ohľadu na to, či má používateľ aktívne pripojenie na internet. Keďže všetka práca sa vykonáva lokálne, modely na zariadení sú ideálne, keď vaša aplikácia potrebuje rýchlo spracovať veľké množstvo údajov, napríklad ak na manipuláciu so živým tokom videa používate súpravu ML Kit.

Medzitým modely založené na cloudu zvyčajne poskytujú väčšiu presnosť ako ich náprotivky na zariadení, pretože cloudové modely využívajú výkon technológie strojového učenia sa platformy Google Cloud Platform. Napríklad model rozhrania Image Labeling API na zariadení obsahuje 400 štítkov, ale funkcie modelu cloudu sa skončili 10 000 štítkov.

V závislosti od rozhrania API môžu existovať aj niektoré funkcie, ktoré sú k dispozícii iba v cloude, napríklad rozhranie API na rozpoznávanie textu môže identifikovať iné znaky ako latinka, iba ak použijete jeho model založený na cloude.

Cloudové rozhrania API sú k dispozícii iba pre projekty Firebase na úrovni Blaze, takže pred tým, ako budete môcť použiť niektorý z cloudových modelov ML Kit, budete musieť upgradovať na plastický Blaze plán.

Ak sa rozhodnete preskúmať cloudové modely, v čase písania správy bola k dispozícii bezplatná kvóta pre všetky rozhrania API API spoločnosti ML. Ak ste chceli iba experimentovať s cloudovým obrázkovým označovaním, mohli by ste upgradovať svoj projekt Firebase na plán Blaze, vyskúšať API na menej ako 1 000 snímkach a potom prepnúť späť na bezplatný plán Spark bez nabíjania. Podmienky sa však majú v priebehu času nepríjemný, preto si pred inováciou na Blaze nezabudnite prečítať malú výtlačok, aby ste sa uistili, že vás nezasiahnu neočakávané účty!

Identifikujte text v ľubovoľnom obrázku pomocou rozhrania API na rozpoznávanie textu

Rozhranie API na rozpoznávanie textu dokáže inteligentne identifikovať, analyzovať a spracovať text.

Pomocou tohto rozhrania API môžete vytvárať aplikácie, ktoré extrahujú text z obrázka, takže vaši používatelia nemusia strácať čas zdĺhavým manuálnym zadávaním údajov. Rozhranie API na rozpoznávanie textu môžete napríklad použiť na pomoc používateľom pri získavaní a zaznamenávaní informácií z potvrdení, faktúr, vizitiek alebo dokonca nutričných štítkov jednoduchým odfotením predmetnej položky.

Rozhranie API na rozpoznávanie textu by ste mohli dokonca použiť ako prvý krok v prekladateľskej aplikácii, kde používateľ urobí fotografiu nejakého neznámeho textu a rozhranie API extrahuje všetok text z obrázka a je pripravené na odovzdanie prekladateľskej službe.

Rozhranie API na rozpoznávanie textu v súprave ML Kit dokáže identifikovať text v akomkoľvek jazyku založenom na latinke, zatiaľ čo jeho náprotivok založený na cloude dokáže rozpoznať väčší počet jazykov a znakov vrátane čínskych, japonských a kórejských znakov. Model typu cloud je tiež optimalizovaný na extrahovanie riedkeho textu z obrázkov a textu z husto zabalených dokumentov, ktoré by ste mali vziať do úvahy pri rozhodovaní, ktorý model použiť v aplikácii.

Chcete mať praktické skúsenosti s týmto rozhraním API? Potom si pozrite nášho podrobného sprievodcu vytvorením aplikácie, ktorá dokáže extrahovať text z ľubovoľného obrázka pomocou rozhrania Text Recognition API.

Pochopenie obsahu obrázka: Rozhranie API na označovanie obrázkov

Rozhranie API na označovanie obrázkov dokáže rozpoznať entity v obraze, vrátane miest, ľudí, produktov a zvierat, bez potreby akýchkoľvek ďalších kontextuálnych metaúdajov. Rozhranie API na označovanie obrázkov vráti informácie o detekovaných entitách vo forme štítkov. Napríklad na nasledujúcej snímke obrazovky som poskytol API prírodnú fotografiu a na jej odpoveď boli uvedené štítky ako „Forest“ a „River“.

Táto schopnosť rozpoznať obsah obrázka vám môže pomôcť vytvoriť aplikácie, ktoré označujú fotografie na základe ich predmetu; filtre, ktoré automaticky identifikujú nevhodný obsah odoslaný používateľom a odstránia ho z vašej aplikácie; alebo ako základ pre pokročilé funkcie vyhľadávania.

Mnoho rozhraní API API vráti viacero možných výsledkov spolu so sprievodným skóre spoľahlivosti - vrátane rozhrania API na označovanie obrázkov. Ak zložíte Image Labelling fotografiu pudla, potom sa môžu vrátiť štítky ako „pudl“, „pes“, „domáce zviera“ a „malé zviera“ - to všetko s rôznym skóre, ktoré naznačuje dôveru API v každú značku. Dúfajme, že v tomto scenári bude mať „pudlík“ najvyššie skóre spoľahlivosti!

Toto skóre dôveryhodnosti môžete použiť na vytvorenie prahu, ktorý musí byť splnený skôr, ako vaša aplikácia pôsobí na konkrétny štítok, napríklad jeho zobrazenie používateľovi alebo označenie fotografie týmto štítkom.

Označenie štítkov je k dispozícii na zariadení aj v cloude, aj keď sa rozhodnete pre cloudový model, získate prístup k viac ako 10 000 štítkom v porovnaní so 400 štítkami, ktoré sú súčasťou modelu na zariadení.

Podrobnejšie informácie o rozhraní API na označovanie obrázkov nájdete v časti Určenie obsahu obrázka pomocou strojového učenia. V tomto článku vytvárame aplikáciu, ktorá spracováva obrázok, a potom vracia štítky a skóre spoľahlivosti pre každú entitu zistenú v tomto obrázku. V tejto aplikácii implementujeme aj modely zariadení a cloudu, aby ste presne videli, ako sa výsledky líšia v závislosti od toho, pre ktorý model sa rozhodnete.

Porozumenie výrazom a sledovacím plochám: API na rozpoznanie tváre

Rozhranie API na detekciu tváre dokáže vyhľadať ľudské tváre vo fotografiách, videách a živých tokoch a potom extrahovať informácie o každej detekovanej tvári vrátane jej polohy, veľkosti a orientácie.

Toto rozhranie API by ste mohli použiť na pomoc používateľom pri úprave ich fotografií, napríklad automatickým orezaním všetkého prázdneho miesta okolo ich najnovšej snímky nadpisov.

Rozhranie API na detekciu tváre sa neobmedzuje iba na obrázky - toto rozhranie API môžete použiť aj na videá, napríklad môžete vytvoriť aplikáciu, ktorá identifikuje všetky tváre vo videu a potom rozostrie všetko leč tieto tváre, podobné funkcii rozmazania pozadia Skype.

Detekcia tváre je vždy vykonávané na zariadení, kde je dostatočne rýchly na použitie v reálnom čase, takže na rozdiel od väčšiny rozhraní API sady ML, funkcia Face Detection nie zahŕňajú cloudový model.

Toto rozhranie API okrem detekovania tvárí obsahuje aj niekoľko ďalších funkcií, ktoré stojí za to preskúmať. Po prvé, API na detekciu tváre dokáže identifikovať orientačné body tváre, ako sú oči, pery a uši, a potom načíta presné súradnice pre každú z týchto orientačných bodov. toto rozpoznávanie orientačných bodov vám poskytuje presnú mapu každej zistenej tváre - ideálne na vytváranie aplikácií s rozšírenou realitou (AR), ktoré do masky fotoaparátu používateľa pridávajú masky a filtre v štýle Snapchat.

Rozhranie API na detekciu tváre ponúka aj tvárové tváre klasifikácia, V súčasnosti ML Kit podporuje dve klasifikácie tváre: otvorené oči a usmievavé.

Túto klasifikáciu by ste mohli použiť ako základ pre prístupové služby, ako sú napríklad ovládacie prvky hands-free, alebo na vytváranie hier, ktoré reagujú na výraz tváre hráča. Schopnosť zistiť, či sa niekto usmieva alebo má otvorené oči, sa môže hodiť aj vtedy, keď vytvárate aplikáciu pre fotoaparát - koniec koncov, nič nie je horšie ako fotografovanie, len aby ste neskôr zistili, že niekto mal zatvorené oči. v každý výstrel.

Nakoniec API na detekciu tváre obsahuje komponent na sledovanie tváre, ktorý tvári priradí ID a potom sleduje tváre naprieč niekoľkými po sebe idúcimi obrázkami alebo videosnímkami. Toto je tvár sledovanie a nie pravá tvár uznanie, V zákulisí API na detekciu tváre sleduje polohu a pohyb tváre a potom usudzuje, že táto tvár pravdepodobne patrí tej istej osobe, ale v konečnom dôsledku nevie o jej totožnosti.

Vyskúšajte Face Detection API pre seba! Zistite, ako vytvoriť aplikáciu na rozpoznávanie tváre pomocou strojového učenia a Firebase ML Kit.

Skenovanie čiarových kódov pomocou Firebase a ML

Skenovanie čiarových kódov nemusí znieť tak vzrušujúco ako niektoré iné rozhrania API pre strojové učenie, ale je to jedna z najdostupnejších častí súpravy ML Kit.

Skenovanie čiarových kódov nevyžaduje žiadny špeciálny hardvér alebo softvér, takže môžete použiť rozhranie API na skenovanie čiarových kódov a zároveň zabezpečiť, aby vaša aplikácia zostala prístupná čo najväčšiemu počtu ľudí, vrátane používateľov starších a rozpočtových zariadení. Pokiaľ má zariadenie funkčnú kameru, nemalo by mať problém skenovať čiarový kód.

Rozhranie API na skenovanie čiarových kódov spoločnosti ML Kit dokáže extrahovať širokú škálu informácií z tlačených a digitálnych čiarových kódov, čo umožňuje rýchly, ľahký a prístupný spôsob, ako prenášať informácie zo skutočného sveta do vašej aplikácie bez toho, aby používatelia museli vykonávať akékoľvek zdĺhavé manuálne zadávanie údajov. ,

Existuje deväť rôznych typov údajov, ktoré rozhranie API na skenovanie čiarových kódov dokáže rozpoznať a analyzovať z čiarového kódu:

• TYPE_CALENDAR_EVENT. Obsahuje informácie, ako je napríklad miesto konania, organizátor a čas začiatku a konca udalosti.Ak propagujete udalosť, môžete na svoje plagáty alebo letáky uviesť vytlačený čiarový kód alebo na svojom webe uviesť digitálny čiarový kód. Potenciálni účastníci potom môžu extrahovať všetky informácie o vašej udalosti jednoducho skenovaním jej čiarového kódu.
• TYPE_CONTACT_INFO. Tento typ údajov zahŕňa informácie, ako je e-mailová adresa kontaktu, meno, telefónne číslo a názov.
• TYPE_DRIVER_LICENSE. Obsahuje informácie, ako sú ulica, mesto, štát, meno a dátum narodenia spojené s vodičským preukazom.
• TYPE_EMAIL. Tento typ údajov obsahuje e-mailovú adresu, predmet správy a text správy.
• TYPE_GEO. Obsahuje zemepisnú šírku a dĺžku pre konkrétny geografický bod, čo predstavuje jednoduchý spôsob zdieľania polohy s vašimi používateľmi alebo zdieľania polohy s ostatnými používateľmi. Geografické čiarové kódy by ste dokonca mohli použiť na spustenie udalostí založených na polohe, napríklad na zobrazenie niektorých užitočných informácií o aktuálnej polohe používateľa alebo ako základ pre mobilné hry založené na polohe.
• TYPE_PHONE. Obsahuje telefónne číslo a typ čísla, napríklad či ide o pracovné alebo domáce telefónne číslo.
• TYPE_SMS. Obsahuje text tela SMS a telefónne číslo spojené s SMS.
• TYPE_URL. Tento typ údajov obsahuje adresu URL a názov adresy URL. Skenovanie čiarových kódov TYPE_URL je oveľa jednoduchšie ako spoliehať sa na používateľov, že ručne zadajú dlhú a komplexnú adresu URL bez toho, aby urobili preklepy alebo pravopisné chyby.
• TYPE_WIFI. Obsahuje SSID a heslo siete Wi-Fi a typ šifrovania, napríklad OPEN, WEP alebo WPA. Čiarový kód Wi-Fi je jedným z najjednoduchších spôsobov zdieľania poverení Wi-Fi a zároveň úplne odstraňuje riziko nesprávneho zadania týchto informácií používateľmi.

Rozhranie API na skenovanie čiarových kódov môže analyzovať údaje z rôznych čiarových kódov vrátane lineárnych formátov, ako sú Codabar, Code 39, EAN-8, ITF a UPC-A, a 2D formátov, ako sú aztécky, dátová matica a QR kódy.

Aby sa zjednodušili veci pre vašich koncových používateľov, toto rozhranie API prehľadáva všetky podporované čiarové kódy súčasne a môže tiež extrahovať údaje bez ohľadu na orientáciu čiarového kódu - nezáleží na tom, či je čiarový kód pri skenovaní používateľom úplne obrátený.

Machine Learning in the Cloud: Rozhranie API na rozpoznávanie pamiatok

Na identifikáciu známych prírodných a vytvorených orientačných bodov v obraze môžete použiť rozhranie API Landmark Recognition API.

Ak tomuto rozhraniu API odovzdáte obrázok obsahujúci slávny orientačný bod, vráti mu názov tohto orientačného bodu, hodnoty zemepisnej šírky a dĺžky orientačného bodu a ohraničujúci rámček označujúci, kde sa orientačný bod v obrázku objavil.

Rozhranie Landmark Recognition API môžete použiť na vytváranie aplikácií, ktoré automaticky označujú fotografie používateľa, alebo na poskytovanie prispôsobenejšieho prostredia, napríklad ak vaša aplikácia zistí, že užívateľ fotografuje Eiffelovu vežu, potom môže ponúknuť niekoľko zaujímavých faktov o táto pamiatka alebo naznačujú podobné turistické atrakcie v okolí, ktoré by mohol používateľ chcieť navštíviť ďalej.

Nezvyčajne pre balík ML Kit je rozhranie Landmark Detection API k dispozícii iba ako rozhranie API založené na cloude, takže vaša aplikácia bude môcť vykonať detekciu orientačných bodov iba vtedy, keď bude mať zariadenie aktívne pripojenie na internet.

The Language Identification API: Vyvinutie pre medzinárodné publikum

Dnes sa aplikácie pre Android používajú v každej časti sveta používateľmi, ktorí hovoria mnohými rôznymi jazykmi.

Rozhranie API pre identifikáciu jazykov spoločnosti ML Kit môže pomôcť vašej aplikácii pre Android osloviť medzinárodné publikum tým, že vezme reťazec textu a určí jazyk, v ktorom je napísaný. Rozhranie API pre identifikáciu jazykov dokáže identifikovať viac ako sto rôznych jazykov vrátane romanizovaného textu pre arabčinu, bulharčinu, Čínština, gréčtina, hindčina, japončina a ruština.

Toto API môže byť cenným doplnkom akejkoľvek aplikácie, ktorá spracováva text poskytovaný používateľom, pretože tento text zriedka obsahuje akékoľvek jazykové informácie. Ako prvý krok pri preklade môžete tiež použiť API na identifikáciu jazyka v prekladateľských aplikáciách čokoľvek, vie, s ktorým jazykom pracujete! Ak napríklad používateľ nasmeruje fotoaparát svojho zariadenia na ponuku, vaša aplikácia môže pomocou rozhrania API na identifikáciu jazykov zistiť, či je ponuka napísaná vo francúzštine, a potom ponúknuť preklad tejto ponuky pomocou služby, ako je napríklad Cloud Translation API ( možno po extrahovaní textu pomocou rozhrania API na rozpoznávanie textu?)

V závislosti od príslušného reťazca môže rozhranie API pre identifikáciu jazykov vrátiť niekoľko potenciálnych jazykov spolu so skóre dôveryhodnosti, aby ste mohli určiť, ktorý zistený jazyk je s najväčšou pravdepodobnosťou správny. Všimnite si, že v čase písania ML Kit nemohol v rovnakom reťazci identifikovať viac rôznych jazykov.

Na zaistenie toho, že toto rozhranie API poskytuje jazykovú identifikáciu v reálnom čase, je rozhranie API pre jazykovú identifikáciu k dispozícii iba ako model v zariadení.

Čoskoro: Inteligentná odpoveď

Spoločnosť Google plánuje v budúcnosti pridať do balíka ML Kit viac rozhraní API, ale už vieme niečo o jednom pripravovanom rozhraní API.

Podľa webovej stránky ML Kit, budúci Rozhranie API inteligentnej odpovede vám umožní ponúkať odpovede na kontextové správy vo vašich aplikáciách tým, že navrhne útržky textu, ktoré zodpovedajú súčasnému kontextu. Na základe toho, čo už vieme o tomto rozhraní API, sa zdá, že funkcia inteligentnej odpovede bude podobná funkcii navrhovanej odpovede, ktorá je už k dispozícii v aplikácii pre Android, Wear OS a Gmail.

Nasledujúca snímka obrazovky ukazuje, ako v súčasnosti vyzerá navrhovaná funkcia odpovede v službe Gmail.

Čo bude ďalej? Použitie TensorFlow Lite s ML súpravou

Sada ML poskytuje preddefinované modely pre bežné prípady použitia v mobilných zariadeniach, ale v určitom okamihu budete možno chcieť prejsť za tieto hotové modely.

Pomocou TensorFlow Lite je možné vytvoriť si vlastné modely ML a následne ich distribuovať pomocou súpravy ML Kit. Nezabudnite však, že na rozdiel od hotových rozhraní API spoločnosti ML Kit, práca s vašimi vlastnými modelmi ML si vyžaduje významný množstvo odborných znalostí ML.

Po vytvorení modelov TensorFlow Lite ich môžete odovzdať do Firebase a spoločnosť Google potom spravuje hosťovanie a poskytovanie týchto modelov vašim koncovým používateľom. V tomto scenári funguje súprava ML Kit ako vrstva rozhrania API nad vašim vlastným modelom, čo zjednodušuje niektoré z ťažkých postupov pri používaní vlastných modelov. Najdôležitejšie je, že balík ML Kit automaticky posunie najnovšiu verziu vášho modelu na používateľov, takže svoju aplikáciu nemusíte aktualizovať zakaždým, keď chcete vylepšiť svoj model.

Ak chcete poskytnúť čo najlepší používateľský zážitok, môžete špecifikovať podmienky, ktoré musia byť splnené, pred tým, ako vaša aplikácia stiahne nové verzie vášho modelu TensorFlow Lite, napríklad aktualizáciu modelu iba vtedy, keď je zariadenie nečinné, nabíjajúce alebo pripojené k sieti Wi- Fi. Môžete použiť aj ML Kit a TensorFlow Lite spolu s ďalšími službami Firebase, napríklad pomocou Firebase Remote Config a testovania Firebase A / B na poskytovanie rôznych modelov rôznym skupinám používateľov.

Ak sa chcete posunúť nad rámec vopred vytvorených modelov alebo existujúce modely ML Kit nespĺňajú úplne vaše potreby, môžete sa dozvedieť viac o vytváraní vlastných modelov strojového učenia sa v oficiálnych dokumentoch Firebase.

Zabalenie

V tomto článku sme sa zamerali na každú súčasť súpravy strojového učenia spoločnosti Google a venovali sme sa niekoľkým bežným scenárom, v ktorých by ste mohli chcieť použiť každé z rozhraní API API.

Spoločnosť Google plánuje v budúcnosti pridať ďalšie rozhrania API, takže ktoré rozhrania API pre strojové učenie by ste chceli vidieť, že budú pridané do balíka ML Kit? Dajte nám vedieť v komentároch nižšie!