Kandungan

• Temui Kit Pembelajaran Mesin Google
• Bagaimanakah saya menggunakan API Kit ML?
• Kenal pasti teks dalam mana-mana imej, dengan API Pengiktirafan Teks
• Memahami kandungan imej: API Pelabelan Imej
• Memahami ekspresi dan wajah pengesanan: API Pengesanan Wajah
• Barcode Scanning with Firebase and ML
• Pembelajaran Mesin di Awan: API Pengiktirafan Landmark
• API Pengenalpastian Bahasa: Membangunkan untuk penonton antarabangsa
• Akan Datang: Balas Pintar
• Apa yang akan datang? Menggunakan TensorFlow Lite dengan ML Kit
• Mengakhiri

Pembelajaran mesin (ML) dapat membantu anda membuat pengalaman yang inovatif, menarik dan unik untuk pengguna mudah alih anda.

Sebaik sahaja anda menguasai ML, anda boleh menggunakannya untuk mencipta pelbagai aplikasi, termasuk aplikasi yang secara automatik menyusun foto berdasarkan perkara mereka, mengenal pasti dan menjejaki wajah seseorang merentasi livestream, mengekstrak teks dari imej, dan banyak lagi .

Tetapi ML tidak betul-betul mesra pemula! Jika anda ingin meningkatkan aplikasi Android anda dengan keupayaan pembelajaran mesin yang kuat, maka di mana tepatnya anda bermula?

Dalam artikel ini, saya akan memberikan gambaran umum tentang SDK (Kit Pembangunan Perisian) yang menjanjikan untuk meletakkan kuasa ML di hujung jari anda, walaupun anda mempunyai sifar Pengalaman ML. Menjelang akhir artikel ini, anda akan mempunyai asas yang anda perlukan untuk mula mewujudkan aplikasi pintar, berkuasa ML yang mampu melabel imej, mengimbas kod bar, mengenali wajah dan mercu tanda terkenal, dan melakukan banyak tugas ML yang lain yang berkuasa.

Temui Kit Pembelajaran Mesin Google

Dengan pelepasan teknologi seperti TensorFlow dan CloudVision, ML semakin banyak digunakan, tetapi teknologi ini bukan untuk kegelapan hati! Anda biasanya memerlukan pemahaman yang mendalam tentang rangkaian saraf dan analisis data, hanya untuk mendapatkan bermula dengan teknologi seperti TensorFlow.

Walaupun anda buat mempunyai pengalaman dengan ML, mewujudkan aplikasi mudah alih berkuasa pembelajaran mesin boleh menjadi proses yang memakan masa, kompleks dan mahal, yang memerlukan anda untuk mendapatkan data yang cukup untuk melatih model ML anda sendiri, dan kemudian mengoptimumkan model ML tersebut untuk berjalan dengan cekap dalam persekitaran mudah alih. Jika anda seorang pemaju individu, atau mempunyai sumber yang terhad, maka mungkin tidak mungkin untuk meletakkan pengetahuan ML anda menjadi amalan.

ML Kit adalah percubaan Google untuk membawa pembelajaran mesin kepada orang ramai.

Di bawah tudung, ML Kit menyatukan beberapa teknologi ML berkuasa yang biasanya memerlukan pengetahuan ML yang luas, termasuk Cloud Vision, TensorFlow, dan API Rangkaian Neural Android. ML Kit menggabungkan teknologi ML pakar ini dengan model pra-terlatih untuk kes penggunaan mudah alih biasa, termasuk mengekstrak teks dari imej, mengimbas kod bar, dan mengenal pasti kandungan foto.

Tidak kira sama ada anda mempunyai pengetahuan sebelumnya tentang ML, anda boleh menggunakan ML Kit untuk menambah keupayaan pembelajaran mesin yang kuat ke Android anda dan Apl iOS - hanya lulus beberapa data ke bahagian yang betul dari ML Kit, seperti Pengiktirafan Teks atau API Pengenalpastian Bahasa, dan API ini akan menggunakan pembelajaran mesin untuk membalas respons.

Bagaimanakah saya menggunakan API Kit ML?

ML Kit dibahagikan kepada beberapa API yang diedarkan sebagai sebahagian daripada platform Firebase. Untuk menggunakan mana-mana API ML Kit, anda perlu membuat sambungan antara projek Android Studio anda dan projek Firebase yang sepadan, dan kemudian berkomunikasi dengan Firebase.

Kebanyakan model ML Kit boleh didapati sebagai model pada peranti yang boleh anda muat turun dan digunakan secara tempatan, tetapi beberapa model juga boleh didapati di awan, yang membolehkan aplikasap anda menjalankan tugas berkuasa ML melalui sambungan internet peranti.

Setiap pendekatan mempunyai set kekuatan dan kelemahan tersendiri yang unik, jadi anda perlu memutuskan sama ada pemprosesan tempatan atau terpencil menjadikan yang paling tepat untuk aplikasi tertentu anda. Anda juga boleh menambah sokongan untuk kedua-dua model, dan kemudian membenarkan pengguna anda menentukan model mana yang hendak digunakan pada masa runtime. Sebagai alternatif, anda mungkin mengkonfigurasi aplikasi anda untuk memilih model terbaik untuk keadaan semasa, contohnya hanya menggunakan model berasaskan awan apabila peranti disambungkan ke Wi-Fi.

Jika anda memilih model tempatan, maka ciri pembelajaran mesin aplikasi anda akan sentiasa tersedia, tanpa mengira sama ada pengguna mempunyai sambungan Internet yang aktif. Oleh kerana semua kerja dilakukan secara tempatan, model pada peranti adalah ideal apabila aplikasi anda perlu memproses sejumlah besar data dengan cepat, contohnya jika anda menggunakan ML Kit untuk memanipulasi strim video langsung.

Sementara itu, model berasaskan awan biasanya memberikan ketepatan yang lebih besar daripada rakan sebaya mereka, kerana model awan memanfaatkan kuasa teknologi pembelajaran mesin Google Cloud Platform. Sebagai contoh, model pada peranti Melabel Imej API termasuk 400 label, tetapi ciri model awan berakhir 10,000 label.

Bergantung pada API, mungkin terdapat beberapa fungsi yang hanya terdapat di awan, contohnya API Pengiktirafan Teks hanya boleh mengenal pasti aksara bukan Latin jika anda menggunakan model berasaskan awan.

API berasaskan awan hanya tersedia untuk projek Firebase peringkat Blaze, jadi anda perlu menaik taraf kepada pelan Blaze bayar, sebelum anda boleh menggunakan mana-mana model awan ML Kit.

Jika anda memutuskan untuk meneroka model awan, maka pada masa penulisan, terdapat kuota percuma yang tersedia untuk semua API Kit ML. Sekiranya anda hanya ingin mencuba Labeling Image yang berasaskan awan, anda boleh meningkatkan projek Firebase anda ke pelan Blaze, menguji API pada kurang daripada 1,000 imej, dan kemudian beralih ke pelan Spark percuma, tanpa dikenakan bayaran. Walau bagaimanapun, terma dan syarat mempunyai tabiat buruk yang berubah dari masa ke masa, jadi pastikan anda membaca cetakan kecil sebelum menaik taraf ke Blaze, hanya untuk memastikan anda tidak terjejas oleh sebarang bil yang tidak dijangka!

Kenal pasti teks dalam mana-mana imej, dengan API Pengiktirafan Teks

API Pengiktirafan Teks boleh bijak mengenal pasti, menganalisis dan memproses teks.

Anda boleh menggunakan API ini untuk membuat aplikasi yang mengekstrak teks dari imej, jadi pengguna anda tidak perlu membuang masa pada kemasukan data manual yang membosankan. Sebagai contoh, anda mungkin menggunakan API Pengiktirafan Teks untuk membantu pengguna mengekstrak dan merekodkan maklumat daripada resit, invois, kad perniagaan, atau label pemakanan, hanya dengan mengambil foto item yang dipersoalkan.

Anda juga boleh menggunakan API Pengiktirafan Teks sebagai langkah pertama dalam aplikasi penterjemahan, di mana pengguna mengambil gambar beberapa teks yang tidak dikenali dan API mengekstrak semua teks dari imej, sedia untuk dihantar ke perkhidmatan penterjemahan.

API Kit Pengenalan Teks pada Kit boleh mengenal pasti teks dalam mana-mana bahasa berasaskan bahasa Latin, manakala rakan sejawatnya yang berasaskan awan boleh mengenali lebih banyak bahasa dan aksara, termasuk aksara Cina, Jepun, dan Korea. Model berasaskan awan juga dioptimumkan untuk mengekstrak teks jarang dari imej dan teks dari dokumen yang padat, yang harus anda ambil kira ketika memutuskan model mana yang akan digunakan di aplikasi anda.

Mahu pengalaman peribadi dengan API ini? Kemudian periksa panduan langkah demi langkah kami untuk membuat aplikasi yang boleh mengekstrak teks dari mana-mana imej, menggunakan API Pengiktirafan Teks.

Memahami kandungan imej: API Pelabelan Imej

Image Labeling API dapat mengenali entiti dalam imej, termasuk lokasi, orang, produk dan haiwan, tanpa memerlukan metadata kontekstual tambahan. Image Labeling API akan mengembalikan maklumat mengenai entiti yang dikesan dalam bentuk label. Contohnya dalam tangkapan skrin berikut saya telah menyediakan API dengan gambar semula jadi, dan responsnya dengan label seperti "Hutan" dan "Sungai."

Keupayaan untuk mengenali kandungan imej dapat membantu anda membuat aplikasi yang menandakan foto berdasarkan perkara mereka; penapis yang secara automatik mengenal pasti kandungan yang dihantar oleh pengguna yang tidak sesuai dan mengeluarkannya daripada aplikasi anda; atau sebagai asas untuk fungsi carian maju.

Kebanyakan API ML Kit mengembalikan beberapa hasil yang mungkin, lengkap dengan skor kepercayaan yang menyertai - termasuk API Pelabelan Imej. Jika anda lulus Image Labeling gambar pudel, maka ia akan mengembalikan label seperti "poodle," "anjing," "haiwan kesayangan" dan "haiwan kecil", semuanya dengan skor yang berbeza yang menunjukkan kepercayaan API pada setiap label. Mudah-mudahan, dalam senario ini "pudel" akan mempunyai skor keyakinan tertinggi!

Anda boleh menggunakan skor keyakinan ini untuk membuat ambang yang mesti dipenuhi, sebelum aplikasi anda bertindak pada label tertentu, contohnya memaparkannya kepada pengguna atau menandai foto dengan label ini.

Pelabelan Imej tersedia di peranti dan di awan, walaupun jika anda memilih model awan maka anda akan mendapat akses kepada lebih 10,000 label, berbanding dengan 400 label yang disertakan dalam model pada peranti.

Untuk melihat lebih mendalam di API Pelabelan Imej, lihat Tentukan kandungan imej dengan pembelajaran mesin. Dalam artikel ini, kami membina aplikasi yang memproses imej, dan kemudian mengembalikan label dan skor keyakinan untuk setiap entiti yang dikesan dalam imej itu. Kami juga melaksanakan model pada peranti dan awan dalam aplikasi ini, supaya anda dapat melihat dengan tepat bagaimana hasilnya berbeza, bergantung kepada model yang anda pilih.

Memahami ekspresi dan wajah pengesanan: API Pengesanan Wajah

API Pengesanan Wajah dapat mencari wajah manusia dalam foto, video dan aliran langsung, dan kemudian mengekstrak maklumat mengenai setiap wajah yang dikesan, termasuk kedudukan, saiz dan orientasinya.

Anda boleh menggunakan API ini untuk membantu pengguna mengedit foto mereka, contohnya dengan secara automatik menanam semua ruang kosong di sekeliling headshot terkini mereka.

API Pengesanan Wajah tidak terhad kepada imej - anda juga boleh menggunakan API ini untuk video, contohnya anda mungkin membuat aplikasi yang mengenal pasti semua wajah dalam suapan video dan kemudian melancarkan segala-galanya kecuali wajah-wajah tersebut, mirip dengan ciri latar belakang Skype's blur.

Pengesanan muka adalah sentiasa dilakukan pada peranti, di mana ia cukup cepat untuk digunakan dalam masa nyata, jadi tidak seperti kebanyakan API ML Kit, Pengesanan Wajah tidak tidak termasuk model awan.

Selain mengesan wajah, API ini mempunyai beberapa ciri tambahan yang bernilai meneroka. Pertama, API Pengesan Wajah dapat mengenal pasti mercu tanda muka, seperti mata, bibir, dan telinga, dan kemudian mengembalikan koordinat yang tepat untuk setiap landmark ini. Ini pengiktirafan mercu tanda menyediakan peta tepat setiap muka yang dikesan - sesuai untuk mewujudkan aplikasi realiti (AR) tambahan yang menambahkan topeng dan filter gaya Snapchat ke suapan kamera pengguna.

API Face Detection juga menawarkan wajah pengkelasan. Pada masa ini, ML Kit menyokong dua klasifikasi muka: mata terbuka, dan tersenyum.

Anda boleh menggunakan klasifikasi ini sebagai asas untuk perkhidmatan kebolehaksesan, seperti kawalan bebas tangan, atau untuk membuat permainan yang bertindak balas terhadap ekspresi muka pemain. Keupayaan untuk mengesan sama ada seseorang itu tersenyum atau membuka mata mereka juga boleh berguna jika anda membuat aplikasi kamera - selepas semua, tidak ada yang lebih buruk daripada mengambil sekumpulan foto, hanya untuk kemudian mendapati bahawa seseorang telah menutup mata dalam setiap pukulan tunggal.

Akhirnya, API Pengesanan Wajah termasuk komponen penjejakan muka, yang memberikan ID ke wajah dan kemudian menjejaki wajah yang merentasi pelbagai imej atau bingkai video yang berturut-turut. Perhatikan bahawa ini adalah muka Penjejakan dan bukan wajah sebenar pengiktirafan. Di belakang tabir, API Pengesan Wajah sedang mengesan kedudukan dan gerakan wajah dan kemudian menyimpulkan bahawa wajah ini mungkin milik orang yang sama, tetapi akhirnya tidak menyadari identiti orang itu.

Cuba API Pengesanan Wajah untuk diri sendiri! Ketahui cara membina aplikasi pengesan muka dengan pembelajaran mesin dan Kit Firebase ML.

Barcode Scanning with Firebase and ML

Pengimbasan Barcode mungkin tidak kedengaran seperti beberapa API pembelajaran mesin yang lain, tetapi ia merupakan salah satu bahagian yang paling boleh diakses dari Kit ML.

Mengimbas kod bar tidak memerlukan sebarang perkakasan atau perisian khusus, jadi anda boleh menggunakan API Pengimbas Barcode sambil memastikan aplikasi anda tetap boleh diakses sebanyak mungkin orang, termasuk pengguna pada peranti lama atau anggaran. Selagi peranti mempunyai kamera yang berfungsi, ia seharusnya tidak mempunyai masalah mengimbas kod bar.

API Barcode Scanning ML Kit boleh mengeluarkan pelbagai maklumat daripada kod bar cetak dan digital, yang menjadikannya cara yang cepat, mudah dan mudah untuk menyampaikan maklumat dari dunia sebenar, kepada aplikasi anda, tanpa pengguna yang perlu melakukan apa-apa kemasukan data manual yang membosankan .

Terdapat sembilan jenis data yang berbeza bahawa API Barcode Scanning dapat mengenali dan mengurai dari kod bar:

• TYPE_CALENDAR_EVENT. Ini mengandungi maklumat seperti lokasi acara, penganjur, dan ia bermula dan berakhir waktu.Jika anda mempromosikan acara, maka anda mungkin menyertakan kod bar dicetak pada poster atau risalah anda, atau mempunyai kod bar digital di laman web anda. Peserta berpotensi kemudian boleh mengekstrak semua maklumat mengenai acara anda, hanya dengan mengimbas kod barnya.
• TYPE_CONTACT_INFO. Jenis data ini meliputi maklumat seperti alamat e-mel kenalan, nama, nombor telefon, dan tajuk.
• TYPE_DRIVER_LICENSE. Ini mengandungi maklumat seperti jalan, bandar, negeri, nama, dan tarikh kelahiran yang berkaitan dengan lesen memandu.
• TYPE_EMAIL. Jenis data ini termasuk alamat e-mel, termasuk baris subjek e-mel, dan teks badan.
• TYPE_GEO. Ini mengandungi latitud dan longitud untuk titik geo tertentu, yang merupakan cara mudah untuk berkongsi lokasi dengan pengguna anda atau untuk berkongsi lokasi mereka dengan yang lain. Anda juga mungkin menggunakan barcode geo untuk memicu peristiwa berasaskan lokasi, seperti memaparkan beberapa maklumat berguna tentang lokasi semasa pengguna, atau sebagai asas untuk permainan mudah alih berasaskan lokasi.
• TYPE_PHONE. Ini mengandungi nombor telefon dan jenis nombor, contohnya sama ada ia berfungsi atau nombor telefon rumah.
• TYPE_SMS. Ini mengandungi beberapa teks badan SMS dan nombor telefon yang dikaitkan dengan SMS.
• TYPE_URL. Jenis data ini mengandungi URL dan tajuk URL. Mengimbas kod bar TYPE_URL jauh lebih mudah daripada bergantung pada pengguna anda untuk menaip URL yang panjang, rumit secara manual tanpa membuat kesilapan atau kesilapan ejaan.
• TYPE_WIFI. Ini mengandungi SSID dan kata laluan rangkaian Wi-Fi, termasuk jenis penyulitan seperti OPEN, WEP atau WPA. Barcode Wi-Fi adalah salah satu cara paling mudah untuk berkongsi bukti kelayakan Wi-Fi, sementara juga menghapuskan risiko pengguna anda memasukkan maklumat ini secara tidak betul.

API Barcode Scanning boleh menghuraikan data dari pelbagai barcode yang berbeza, termasuk format linear seperti format Codabar, Kod 39, EAN-8, ITF, dan UPC-A, dan 2D seperti Aztec, Data Matrix, dan Kod QR.

Untuk membuat perkara lebih mudah untuk pengguna akhir anda, API ini mengimbas untuk semua barcode yang disokong pada masa yang sama, dan juga boleh mengekstrak data tanpa mengira orientasi kod bar - jadi tidak kira jika kod bar benar-benar terbalik apabila pengguna memindainya!

Pembelajaran Mesin di Awan: API Pengiktirafan Landmark

Anda boleh menggunakan API Pengiktirafan Landmark ML Kit untuk mengenal pasti mercu tanda alam semula jadi dan dibina dalam imej.

Jika anda lulus API ini imej yang mengandungi mercu tanda yang terkenal, maka ia akan mengembalikan nama mercu tanda itu, nilai latitud dan longitud mercu tanda, dan kotak sempadan yang menunjukkan tempat mercu tanda itu ditemui dalam imej itu.

Anda boleh menggunakan API Pengiktirafan Landmark untuk membuat aplikasi yang menandakan foto pengguna secara automatik, atau untuk menyediakan pengalaman yang lebih khusus, contohnya jika aplikasi anda mengenali pengguna yang mengambil gambar Menara Eiffel, maka ia mungkin menawarkan beberapa fakta menarik mengenai mercu tanda ini, atau mencadangkan yang serupa, tarikan pelancong yang berdekatan yang pengguna mungkin mahu melawat seterusnya.

Yang luar biasa untuk Kit ML, API Pengesanan Teras hanya tersedia sebagai API berasaskan awan, jadi aplikasi anda hanya dapat melakukan pengesanan mercu tanda apabila peranti mempunyai sambungan Internet aktif.

API Pengenalpastian Bahasa: Membangunkan untuk penonton antarabangsa

Hari ini, aplikasi Android digunakan di setiap bahagian dunia, oleh pengguna yang bercakap banyak bahasa yang berbeza.

API Pengenalpastian Bahasa ML Kit boleh membantu aplikasi Android anda merayu kepada khalayak antarabangsa, dengan mengambil serangkaian teks dan menentukan bahasa yang ditulis dalamnya. API Pengenalan Bahasa dapat mengenal pasti lebih dari seratus bahasa yang berbeza, termasuk teks romanisasi untuk bahasa Arab, bahasa Bulgaria, Cina, Yunani, Hindi, Jepun, dan Rusia.

API ini boleh menjadi penambahan yang berharga kepada mana-mana aplikasi yang memproses teks yang disediakan oleh pengguna, kerana teks ini jarang memasukkan sebarang maklumat bahasa. Anda juga mungkin menggunakan API Pengenalpastian Bahasa dalam aplikasi terjemahan, sebagai langkah pertama untuk menterjemahkan apa sahaja, mengetahui bahasa apa yang sedang anda bina! Sebagai contoh, jika pengguna menunjuk kamera peranti mereka pada menu, maka aplikasi anda mungkin menggunakan API Pengenalpastian Bahasa untuk menentukan bahawa menu itu ditulis dalam bahasa Perancis, dan kemudian menawarkan untuk menterjemah menu ini menggunakan perkhidmatan seperti API Terjemahan Awan mungkin selepas mengekstrak teksnya, menggunakan API Pengiktirafan Teks?)

Bergantung kepada rentetan yang berkenaan, API Pengenalpastian Bahasa mungkin akan mengembalikan pelbagai bahasa berpotensi, disertai dengan skor keyakinan supaya anda dapat menentukan bahasa yang dikesan itu kemungkinan besar betul. Perhatikan bahawa semasa menulis ML Kit tidak dapat mengenal pasti pelbagai bahasa yang berlainan dalam rentetan yang sama.

Untuk memastikan API ini menyediakan pengenalan bahasa dalam masa nyata, API Pengenalan Bahasa hanya tersedia sebagai model pada peranti.

Akan Datang: Balas Pintar

Rancangan Google untuk menambah lebih banyak API ke ML Kit di masa depan, tetapi kita sudah tahu tentang satu API yang up-dan-datang.

Mengikut laman web ML Kit, yang akan datang API Balas Pintar akan membolehkan anda menawarkan balasan pesanan kontekstual dalam aplikasi anda, dengan mencadangkan coretan teks yang sesuai dengan konteks semasa. Berdasarkan apa yang kita sudah tahu mengenai API ini, nampaknya Jawapan Pintar akan sama dengan ciri-ciri yang disarankan-respons yang sudah ada dalam aplikasi Android, Pakai OS, dan Gmail.

Petikan berikut menunjukkan bagaimana ciri respons yang dicadangkan pada masa ini kelihatan dalam Gmail.

Apa yang akan datang? Menggunakan TensorFlow Lite dengan ML Kit

ML Kit menyediakan model pra-bina untuk kes-kes penggunaan mudah alih biasa, tetapi pada satu ketika anda mungkin mahu bergerak melampaui model-model yang sedia dibuat ini.

Anda boleh membuat model ML anda sendiri menggunakan TensorFlow Lite dan kemudian mengedarkannya menggunakan ML Kit. Walau bagaimanapun, hanya sedar bahawa tidak seperti API siap sedia ML, bekerja dengan model ML anda sendiri memerlukan a penting jumlah kepakaran ML.

Sebaik sahaja anda telah mencipta model TensorFlow Lite anda, anda boleh memuat naiknya ke Firebase dan Google kemudian akan menguruskan hosting dan melayani model-model tersebut kepada pengguna akhir anda. Dalam senario ini, ML Kit berfungsi sebagai lapisan API berbanding model tersuai anda, yang menyederhanakan beberapa pengangkat berat yang melibatkan penggunaan model tersuai. Terutamanya, ML Kit secara automatik akan menolak versi terbaru model anda kepada pengguna anda, jadi anda tidak perlu mengemas kini apl anda setiap kali anda ingin tweak model anda.

Untuk memberikan pengalaman pengguna yang terbaik, anda boleh menentukan syarat-syarat yang mesti dipenuhi, sebelum aplikasi anda akan memuat turun versi baru model TensorFlow Lite anda, contohnya hanya mengemas kini model apabila peranti itu melahu, mengecas, atau disambungkan ke Wi- Fi. Anda juga boleh menggunakan ML Kit dan TensorFlow Lite bersama-sama dengan perkhidmatan Firebase yang lain, contohnya menggunakan Firebase Remote Config dan Firebase A / B Test untuk melayani model yang berbeza untuk set pengguna yang berbeza.

Sekiranya anda ingin bergerak melampaui model yang telah dibina, atau model yang sedia ada ML Kit tidak dapat memenuhi keperluan anda, maka anda boleh mengetahui lebih lanjut mengenai membuat model pembelajaran komputer anda sendiri, di dokumentasi Firebase rasmi.

Mengakhiri

Dalam artikel ini, kami melihat setiap komponen kit pembelajaran mesin Google, dan meneliti beberapa senario biasa di mana anda mungkin mahu menggunakan setiap API Kit ML.

Google merancang untuk menambah lebih banyak API pada masa akan datang, sehingga API belajar mesin yang ingin anda lihat ditambahkan ke ML Kit seterusnya? Beritahu kami dalam komen di bawah!