Firebase Vision Labeler 返回不一致的结果
Firebase Vision Labeler returning inconsistent results
我在我的一个 android 应用程序中使用 Firebase Vision Image。每当 android 模拟器拍照时，Firebase Vision Image Labeler return 都会为来自相机捕获的位图提供标签列表。
我的问题是标签几乎不准确。例如，如果我拍一张脸，它会 return 一个 80% 的置信度标签，上面写着 "dog"。然而，当我拍一张脸并将其插入 Google 的 Cloud Vision（Firebase 建立在其上）Demo labeler website 时，它 return 的响应要准确得多.
为什么 Firebase Vision responses/labels 与 Google Cloud Vision responses/labels 如此不同？
顺便说一句，我正在拍摄的照片在我的笔记本电脑上。
Firebase ML Kit 的设备上标签检测运行分辨率低于 Cloud Vision API 的 ML 模型。因此，它可以检测到更少的标签，并且可能检测到它们的准确度较低。
来自 choosing between on-device and Cloud APIs 上的文档：
Label coverage
On device: 400+ labels that cover the most commonly-found concepts in photos. See below.
Cloud: 10,000+ labels in many categories. See below.
如果您希望模型检测到的内容具有最高的准确性，您应该使用 Cloud Vision。但这确实意味着用户必须拥有有效的互联网连接，并且您将使用付费的 Cloud Vision API 而不是免费的设备模型。
我在我的一个 android 应用程序中使用 Firebase Vision Image。每当 android 模拟器拍照时，Firebase Vision Image Labeler return 都会为来自相机捕获的位图提供标签列表。
我的问题是标签几乎不准确。例如，如果我拍一张脸，它会 return 一个 80% 的置信度标签，上面写着 "dog"。然而，当我拍一张脸并将其插入 Google 的 Cloud Vision（Firebase 建立在其上）Demo labeler website 时，它 return 的响应要准确得多.
为什么 Firebase Vision responses/labels 与 Google Cloud Vision responses/labels 如此不同？
顺便说一句，我正在拍摄的照片在我的笔记本电脑上。
Firebase ML Kit 的设备上标签检测运行分辨率低于 Cloud Vision API 的 ML 模型。因此，它可以检测到更少的标签，并且可能检测到它们的准确度较低。
来自 choosing between on-device and Cloud APIs 上的文档：
Label coverage
On device: 400+ labels that cover the most commonly-found concepts in photos. See below.
Cloud: 10,000+ labels in many categories. See below.
如果您希望模型检测到的内容具有最高的准确性，您应该使用 Cloud Vision。但这确实意味着用户必须拥有有效的互联网连接，并且您将使用付费的 Cloud Vision API 而不是免费的设备模型。