learning

Paket installieren

flutter pub add learning

Paketübersicht

Aus öffentlichen Paketdaten erstellte Orientierung.

Das Lernpaket bietet eine einfache und intuitive Schnittstelle zur Integration des Google Machine Learning Kits für Vision- und Sprachverarbeitungsaufgaben in Flutter-Anwendungen. Es abstrahiert komplexe Native-SDK-Interaktionen und ermöglicht Entwicklern, Funktionen wie Bildklassifizierung, Texterkennung, Gesichtserkennung und Sentimentanalyse mit minimalem Code zu implementieren. Für Anfänger und erfahrene Entwickler gleichermaßen konzipiert, vereinfacht es den Prozess, intelligentes Verhalten in mobilen Apps hinzuzufügen, ohne tiefgehende Kenntnisse über ML-Frameworks zu erfordern. Das Paket unterstützt Android und iOS und gewährleistet breite Kompatibilität.

Anwendungsfälle

Bilderkennung in mobilen Apps
Textextraktion aus Bildern
Stimmungsanalyse in Benutzereingaben
Gesichtserkennung zur Authentifizierung
Echtzeit-Objekterkennung
Sprachübersetzung und -verstehen

Hauptmerkmale

Einfache Integration mit ML Kit
Unterstützung für Vision- und NLP-Modelle
Plattformübergreifend (Android & iOS)
Minimale Boilerplate-Code
Automatisches Modellherunterladen
Echtzeitverarbeitung

Geeignet für

Mobile-App-Entwickler, die neu in ML sind
Apps, die OCR oder Bildanalyse erfordern
Projekte mit Geräte-Intelligenz
Bildungswerkzeuge mit KI-Komponenten
Startups prototypisieren intelligente Funktionen

Hinweise

Benötigt Internet für den initialen Modell-Download
Beschränkt auf die verfügbaren Modelle von ML Kit
Abhängig von Google Play Services auf Android
Kann die App-Größe aufgrund eingebundener Modelle erhöhen
Nicht geeignet für Szenarien ohne Internetverbindung, wenn keine vorher heruntergeladenen Modelle vorhanden sind

Original-README

Originaler README-Schnappschuss aus dem verknüpften Quell-Repository. Aktuelle Inhalte finden Sie im Repository.

The easy way to use Machine Learning Kit in Flutter.

Getting Started

Add dependency to your flutter project:

$ pub add learning

Optimization

For best performance (and to minimize application size), it's better to add dependency directly from each of sub-package you want to use in your application.

Usage

Learning consists of 13 different sub-packages that we can add separately based on our application needs. Please reference to each link below to learn more about the usage of each learning package.

Vision	Version	Links	Example
`learning_text_recognition`	^0.0.4	Pub.dev Github	Example text_recognition.apk
`learning_face_detection`	^0.0.3	Pub.dev Github	Example face_detection.apk
`learning_pose_detection`	^0.0.2	Pub.dev Github	Example pose_detection.apk
`learning_selfie_segmentation`	^0.0.3	Pub.dev Github	Example selfie_segmentation.apk
`learning_image_labeling`	^0.0.2	Pub.dev Github	Example image_labeling.apk
`learning_barcode_scanning`	^0.0.3	Pub.dev Github	Example barcode_scanning.apk
`learning_object_detection`	^0.0.2	Pub.dev Github	Example object_detection.apk
`learning_digital_ink_recognition`	^0.0.2	Pub.dev Github	Example digital_ink_recognition.apk

NLP	Version	Links	Example
`learning_language`	^0.0.4	Pub.dev Github	Example language.apk
`learning_translate`	^0.0.4	Pub.dev Github	Example translate.apk
`learning_entity_extraction`	^0.0.3	Pub.dev Github	Example entity_extraction.apk
`learning_smart_reply`	^0.0.3	Pub.dev Github	Example

Helper	Version	Links
`learning_input_image`	^0.0.6+2	Pub.dev Github

Example Project

You can learn more from example project here.

Kategorien

Maschinelles Lernen, OCR und Computer Vision

Abhängigkeiten

Abhängigkeiten 13 Einträge

learning_barcode_scanning^0.0.3
learning_digital_ink_recognition^0.0.2
learning_entity_extraction^0.0.3
learning_face_detection^0.0.3
learning_image_labeling^0.0.2
learning_input_image^0.0.6+2
learning_language^0.0.4
learning_object_detection^0.0.2
learning_pose_detection^0.0.2
learning_selfie_segmentation^0.0.3
learning_smart_reply^0.0.3
learning_text_recognition^0.0.4
learning_translate^0.0.4

Pakete, Repositories und App-Kategorien suchen