W13 作業 · Part III · 五範式收官
ML Kit 三 API 整合 + 五方法對照
用 Google ML Kit 的 9 大 API 任挑 3 個整合到 App,其中至少一個用於 RPS。產出 W9-W13 完整對照表,看完整個工具光譜。
一、作業目標
體驗「production-ready」工具棧的開發速度。挑 3 個 ML Kit API 整合到一個 App,其中至少 1 個用於 RPS。完成 W9-W13 五範式完整對照表。
二、作業內容
必做:整合 3 個 ML Kit API
從以下 9 個任挑 3 個(至少 1 個用於 RPS 或手勢相關):
- Face Detection
- Text Recognition (OCR)
- Barcode Scanner
- Image Labeling(可用 Custom 訓練自己的標籤)
- Object Detection & Tracking
- Pose Detection(33 點全身骨架,可做 RPS)
- Selfie Segmentation
必做:五範式對照表
完整呈現 W9-W13 對比:
| 週 | 範式 | 正確率 | FPS | 模型大小 | 開發時數 | 適用情境 |
| W9 | 古典規則法 | ? | ? | 0 | ? | ? |
| W10 | HoG+SVM | ? | ? | ? | ? | ? |
| W10 | MobileNetV2 | ? | ? | ? | ? | ? |
| W11 | YOLO | ? | ? | ? | ? | ? |
| W12 | MediaPipe | ? | ? | ? | ? | ? |
| W13 | ML Kit | ? | ? | ? | ? | ? |
表格的「適用情境」要根據你的觀察寫:哪種情境該用哪種工具。
三、加分項
- (+2) Custom Image Labeling:訓練自己的 RPS 標籤
- (+2) 比較 on-device vs Cloud(同一 API 跑兩種模式測延遲)
- (+3) 用 ML Kit + 你前面學過的方法(例如 ML Kit Pose + W12 彎曲度)做更穩 RPS
四、繳交內容
- 30 秒測試影片:展示 3 個 ML Kit API 的功能
- 簡易報告:含五範式完整對照表 + 對「選工具」的觀察
- Android 專案(GitHub repo)
五、注意事項
- ML Kit 是 production-ready 但不適合所有任務:它的 Image Labeling 是通用的,RPS 需要 Custom 才行
- Pose Detection 33 點 vs MediaPipe Hands 21 點 — 一個全身、一個專手
- on-device 預設免費,Cloud 要 Firebase + 計費
- App size 會被 ML Kit 模型撐大,可以用「需要時下載」模式