ขอบการมองเห็น AutoML

สร้างโมเดลการจัดหมวดหมู่รูปภาพแบบกำหนดเองจากข้อมูลการฝึกของคุณเองด้วย AutoML Vision Edge

หากคุณต้องการจดจำเนื้อหาของรูปภาพ ทางเลือกหนึ่งคือใช้ API การติดป้ายกำกับรูปภาพบนอุปกรณ์ ของ ML Kit หรือ API การตรวจจับวัตถุบนอุปกรณ์ โมเดลที่ใช้โดย API เหล่านี้สร้างขึ้นเพื่อการใช้งานทั่วไป และได้รับการฝึกให้จดจำแนวคิดที่พบบ่อยที่สุดในภาพถ่าย

หากคุณต้องการโมเดลการติดป้ายกำกับรูปภาพหรือการตรวจจับวัตถุที่พิเศษยิ่งขึ้น ซึ่งครอบคลุมขอบเขตแนวคิดที่แคบลงโดยมีรายละเอียดมากขึ้น เช่น แบบจำลองเพื่อแยกแยะระหว่างสายพันธุ์ดอกไม้หรือประเภทของอาหาร คุณสามารถใช้ Firebase ML และ AutoML Vision Edge เพื่อฝึกได้ โมเดลที่มีรูปภาพและหมวดหมู่ของคุณเอง โมเดลที่กำหนดเองได้รับการฝึกฝนใน Google Cloud และเมื่อโมเดลพร้อมแล้ว ก็จะใช้งานบนอุปกรณ์ได้อย่างสมบูรณ์

เริ่มต้นใช้งานการติดป้ายกำกับรูปภาพ เริ่มต้นใช้งานการตรวจจับวัตถุ

ความสามารถที่สำคัญ

ฝึกโมเดลตามข้อมูลของคุณ

ฝึกโมเดลการติดป้ายกำกับรูปภาพและการตรวจจับวัตถุแบบกำหนดเองโดยอัตโนมัติเพื่อจดจำป้ายกำกับที่คุณสนใจ โดยใช้ข้อมูลการฝึกของคุณ

โฮสติ้งโมเดลในตัว

โฮสต์โมเดลของคุณด้วย Firebase และโหลดโมเดลเหล่านั้น ณ รันไทม์ ด้วยการโฮสต์โมเดลบน Firebase คุณจะมั่นใจได้ว่าผู้ใช้มีโมเดลล่าสุดโดยไม่ต้องเปิดตัวแอปเวอร์ชันใหม่

และแน่นอน คุณยังสามารถรวมโมเดลเข้ากับแอปของคุณได้ด้วย เพื่อให้พร้อมใช้ได้ทันทีเมื่อติดตั้ง

เส้นทางการนำไปปฏิบัติ

รวบรวมข้อมูลการฝึกอบรม รวบรวมชุดข้อมูลตัวอย่างของแต่ละป้ายกำกับที่คุณต้องการให้โมเดลจดจำได้
ฝึกโมเดลใหม่ ในคอนโซล Google Cloud ให้นำเข้าข้อมูลการฝึกของคุณและใช้เพื่อฝึกโมเดลใหม่
ใช้โมเดลในแอปของคุณ รวมโมเดลเข้ากับแอปของคุณหรือดาวน์โหลดจาก Firebase เมื่อจำเป็น จากนั้นใช้โมเดลเพื่อติดป้ายกำกับรูปภาพบนอุปกรณ์

ราคาและข้อจำกัด

หากต้องการฝึกโมเดลแบบกำหนดเองด้วย AutoML Vision Edge คุณต้องใช้แผนแบบจ่ายตามการใช้งาน (Blaze)

ชุดข้อมูล เรียกเก็บเงินตาม อัตรา Cloud Storage
รูปภาพต่อชุดข้อมูล 1,000,000
ชั่วโมงการฝึกอบรม ไม่จำกัดรุ่นต่อรุ่น

ขั้นตอนถัดไป