Krawędź wizji AutoML
Twórz niestandardowe modele klasyfikacji obrazów na podstawie własnych danych treningowych za pomocą AutoML Vision Edge.
Jeśli chcesz rozpoznać zawartość obrazu, jedną z opcji jest użycie interfejsu API do etykietowania obrazów na urządzeniu lub interfejsu API do wykrywania obiektów na urządzeniu ML Kit. Modele używane przez te interfejsy API są tworzone do użytku ogólnego i są szkolone w rozpoznawaniu najczęściej spotykanych koncepcji na zdjęciach.
Jeśli potrzebujesz bardziej wyspecjalizowanego modelu etykietowania obrazów lub wykrywania obiektów, obejmującego bardziej szczegółowo węższą dziedzinę pojęć — na przykład modelu do rozróżniania gatunków kwiatów lub rodzajów żywności — możesz użyć Firebase ML i AutoML Vision Edge do trenowania model z własnymi zdjęciami i kategoriami. Model niestandardowy jest szkolony w Google Cloud, a gdy jest gotowy, jest w pełni używany na urządzeniu.
Rozpocznij pracę z etykietowaniem obrazów Rozpocznij pracę z wykrywaniem obiektów
Kluczowe możliwości
| Trenuj modele na podstawie swoich danych | Automatycznie trenuj niestandardowe modele etykietowania obrazów i wykrywania obiektów, aby rozpoznawać etykiety, na których Ci zależy, korzystając z danych szkoleniowych. |
| Wbudowany hosting modeli | Hostuj swoje modele w Firebase i ładuj je w czasie wykonywania. Hostując model w Firebase, możesz mieć pewność, że użytkownicy mają najnowszy model bez wydawania nowej wersji aplikacji. Oczywiście możesz też dołączyć ten model do swojej aplikacji, dzięki czemu będzie on dostępny natychmiast po zainstalowaniu. |
Ścieżka wdrożenia
| Zbierz dane treningowe | Przygotuj zbiór danych zawierający przykłady każdej etykiety, którą ma rozpoznawać Twój model. | |
| Trenuj nowy model | W Google Cloud Console zaimportuj dane treningowe i użyj ich do wytrenowania nowego modelu. | |
| Użyj modelu w swojej aplikacji | Połącz model ze swoją aplikacją lub pobierz go z Firebase, gdy jest potrzebny. Następnie użyj modelu, aby oznaczyć obrazy na urządzeniu. |
Ceny i limity
Aby trenować niestandardowe modele za pomocą AutoML Vision Edge, musisz korzystać z planu płatności zgodnie z rzeczywistym użyciem (Blaze).
| Zbiory danych | Rozliczane zgodnie ze stawkami Cloud Storage |
|---|---|
| Obrazy na zestaw danych | 1 000 000 |
| Godziny szkolenia | Brak limitu na model |
Następne kroki
- Dowiedz się, jak trenować model etykietowania obrazu .
- Dowiedz się, jak trenować model wykrywania obiektów .