Firebase 机器学习套件、谷歌云视觉 API 或 openCV答案

【问题标题】：Firebase Ml kit, Google cloud vision API or openCVFirebase 机器学习套件、谷歌云视觉 API 或 openCV
【发布时间】：2020-01-14 19:21:23
【问题描述】：

我想构建一个用于注视跟踪的 android 应用，我想问一下我应该使用以下哪些工具来获得更好的结果。

谷歌云视觉 API
OpenCV（前 HaarCascade 分类器）
带有面部标志的 Firebase 机器学习套件

【问题讨论】：

用的是哪一个？
我尝试了所有这些，但我最终使用了 Firebase ML 套件，因为它非常易于集成
好的。是免费的吗？
是的，它是完全免费的，有许多功能可用于入门。但是，如果您需要，也可以为高要求提供付费版本。

标签： android firebase opencv google-cloud-vision

【解决方案1】：

我不知道您是打算创建商业应用程序还是出于研究目的，在这两种情况下要考虑的事情会有所变化。

对于对象跟踪，我可能会使用 google 的 mlkit，它有一些现成的模型也可以离线工作，如果你想使用你的定制模型。所以你的努力将是创建一个高效的模型而不是运行它。

Google Cloud Vision API 我还没用过，只是用来训练神经网络的 GCP 机器，它们派上用场了。

OpenCV 是一个不错的工具，但之后可能难以实施和维护，您的应用程序大小也会显着增加。 2 年前，我在我的期末论文中使用了 HaarCascade，工作很辛苦，结果不是那么准确，今天我会检查 OpenCV 的 DNN 模块，然后像 here 一样使用 Yolo。总而言之，如果您有一些特定的图像处理需求，我只是推荐它，但首先检查Android的ColorFilter或ImageFilterView。如果您选择使用 OpenCV，我建议您使用 cmake 自行编译，如 here 所述，仅使用您需要使用的模块，因此您的应用程序大小不会增加太多。

还有一些其他的选择，比如 Dlib 或 PyTorch，去年我一直在使用 dlib 的 SVM 和自定义模型，它的结果很好，但运行速度很慢，大约 3~4 秒，与带有 tensorflow 的 NN 相比运行时间为 50~60 毫秒（使用量化模型甚至更快）。我没有使用 PyTorch 或其他框架的经验，无法与您分享。

【讨论】：