高通AI Hub Android ImageClassification程式介绍

上一篇博文“Qualcomm AI Hub介绍”。高通AI Hub为开发者提供了一个强大的平台，以优化、验证和部署在Android设备上的机器学习模型。这篇文章将介绍如何使用高通AI Hub进行图像分类的程式码开发，并提供一个实际的例子来展示其在Android平台上的应用。

►程式码介绍

高通AI Hub支持多种机器学习框架，如TensorFlow Lite、Quancomm AI Engine Direct和ONNX Runtime，并能够将训练好的模型转换为优化的on-device执行格式。开发者可以通过AI Hub的模型库，选择适合自己应用需求的模型，并进行相应的优化。此外，AI Hub还提供了详细的on-device性能分析工具，帮助开发者了解模型在实际设备上的运行情况。

于官方提供的Github ai-hub-apps进行下载，使用Android Studio开启app/android，就可以看到ImageClassification、SemanticSegmentation及SuperResolution，本篇博文介绍ImageClassification程式码的部分及执行，使用Android Studio开启专案画面如下图：
 

ImageProcessing.java：

    里面有一个静态方法 resizeAndPadMaintainAspectRatio，其功能是调整图片大小，同时维持图片的宽高比（Aspect Ratio）。如果图片无法完全符合给定的输出尺寸，则会加入填充区域（padding），使得最终输出的图片符合要求的宽度和高度。
 

TFLiteHelpers.java：

    TensorFlow Lite (TFLite) 的辅助工具，用于为 TensorFlow Lite 模型建立解译器（interpreter）和相应的硬体加速委派（delegate），例如 GPU 或 NPU。主要功能是根