AutoML Vision Edge
AutoML Vision Edgeを使用して、独自のトレーニングデータからカスタム画像分類モデルを作成します。
あなたは画像の内容を把握したい場合は、一つの選択肢は、ML Kitの使用することですオンデバイスの画像のラベリングAPIまたはオンデバイスオブジェクト検出APIを。これらのAPIで使用されるモデルは、汎用用に構築されており、写真で最も一般的に見られる概念を認識するようにトレーニングされています。
概念のより狭い領域をより詳細にカバーする、より専門的な画像ラベリングまたはオブジェクト検出モデルが必要な場合（たとえば、花の種類や食品の種類を区別するモデル）、FirebaseMLとAutoMLVisionEdgeを使用してトレーニングできます独自の画像とカテゴリを持つモデル。カスタムモデルはGoogleCloudでトレーニングされており、モデルの準備ができたら、デバイスで完全に使用されます。
主な機能
| データに基づいてモデルをトレーニングする | トレーニングデータを使用して、カスタム画像ラベリングおよびオブジェクト検出モデルを自動的にトレーニングし、関心のあるラベルを認識します。 |
| ビルトインモデルホスティング | モデルをFirebaseでホストし、実行時にロードします。 Firebaseでモデルをホストすることで、新しいアプリバージョンをリリースせずに、ユーザーが最新のモデルを使用できるようにすることができます。 もちろん、モデルをアプリにバンドルすることもできるため、インストール時にすぐに利用できます。 |
実装パス
| トレーニングデータを収集する | モデルに認識させたい各ラベルの例のデータセットをまとめます。 | |
| 新しいモデルをトレーニングする | Google Cloud Consoleで、トレーニングデータをインポートし、それを使用して新しいモデルをトレーニングします。 | |
| アプリでモデルを使用する | モデルをアプリにバンドルするか、必要に応じてFirebaseからダウンロードします。次に、モデルを使用してデバイス上の画像にラベルを付けます。 |
価格と制限
AutoML Vision Edgeを使用してカスタムモデルをトレーニングするには、従量課金制（Blaze）プランを使用している必要があります。
| データセット | よると銘打たクラウドストレージ率 |
|---|---|
| データセットごとの画像 | 1,000,000 |
| トレーニング時間 | モデルごとの制限なし |
次のステップ
- する方法を学ぶ画像ラベリングモデルを訓練します。
- する方法を学ぶ物体検出モデルを訓練します。