AutoML Vision Edge
قم بإنشاء نماذج تصنيف صور مخصصة من بيانات التدريب الخاصة بك باستخدام AutoML Vision Edge.
إذا كنت ترغب في التعرف على محتويات الصورة ، فإن أحد الخيارات هو استخدام واجهة برمجة تطبيقات تسمية الصور على الجهاز الخاصة بـ ML Kit أو واجهة برمجة التطبيقات لاكتشاف الكائنات على الجهاز . تم تصميم النماذج المستخدمة بواسطة واجهات برمجة التطبيقات هذه للاستخدام العام ، وتم تدريبها على التعرف على المفاهيم الأكثر شيوعًا في الصور.
إذا كنت بحاجة إلى تسمية صور أكثر تخصصًا أو نموذجًا لاكتشاف الكائن ، يغطي نطاقًا أضيق من المفاهيم بمزيد من التفاصيل - على سبيل المثال ، نموذج للتمييز بين أنواع الزهور أو أنواع الطعام - يمكنك استخدام Firebase ML و AutoML Vision Edge للتدريب نموذج مع الصور والفئات الخاصة بك. يتم تدريب النموذج المخصص في Google Cloud ، وبمجرد أن يصبح النموذج جاهزًا ، يتم استخدامه بالكامل على الجهاز.
القدرات الأساسية
نماذج القطار على أساس البيانات الخاصة بك | قم تلقائيًا بتدريب نماذج تسمية الصور المخصصة واكتشاف الكائنات للتعرف على الملصقات التي تهتم بها ، باستخدام بيانات التدريب الخاصة بك. |
استضافة نموذج مدمج | استضف نماذجك باستخدام Firebase ، وقم بتحميلها في وقت التشغيل. من خلال استضافة النموذج على Firebase ، يمكنك التأكد من حصول المستخدمين على أحدث طراز دون إطلاق إصدار تطبيق جديد. وبالطبع ، يمكنك أيضًا تجميع النموذج مع تطبيقك ، بحيث يكون متاحًا على الفور عند التثبيت. |
مسار التنفيذ
تجميع بيانات التدريب | ضع مجموعة بيانات من أمثلة كل تسمية تريد أن يتعرف عليها نموذجك. | |
تدريب نموذج جديد | في Google Cloud Console ، استورد بيانات التدريب الخاصة بك واستخدمها لتدريب نموذج جديد. | |
استخدم النموذج في تطبيقك | قم بتجميع النموذج مع تطبيقك أو تنزيله من Firebase عند الحاجة. ثم استخدم النموذج لتسمية الصور على الجهاز. |
التسعير والحدود
لتدريب النماذج المخصصة باستخدام AutoML Vision Edge ، يجب أن تكون مشتركًا في خطة الدفع الفوري (Blaze).
مجموعات البيانات | المحاسبة وفقًا لمعدلات التخزين السحابي |
---|---|
الصور لكل مجموعة بيانات | 1،000،000 |
ساعات التدريب | لا يوجد حد لكل نموذج |
الخطوات التالية
- تعلم كيفية تدريب نموذج تسمية الصورة .
- تعرف على كيفية تدريب نموذج اكتشاف الكائن .