AutoMLビジョンエッジ
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。
画像のコンテンツを認識したい場合、1つのオプションは、MLキットのオンデバイス画像ラベリングAPIまたはオンデバイスオブジェクト検出APIを使用することです。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。
花の種類や食品の種類を区別するモデルなど、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は、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と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、ユーザーが新しいアプリバージョンをリリースせずに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ので、インストールすると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 | クラウドストレージ料金に応じて請求 |
|---|---|
| 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
- 画像ラベリングモデルをトレーニングする方法を学びます。
- オブジェクト検出モデルをトレーニングする方法を学びます。