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.

ابدأ مع تسمية الصور ابدأ باكتشاف الكائن

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