AutoML Vision Edge

Mit AutoML Vision Edge benutzerdefinierte Modelle zur Bildklassifizierung aus Ihren eigenen Trainingsdaten erstellen

Wenn Sie den Inhalt eines Bildes erkennen möchten, können Sie die On-Device Image Labeling API oder die On-Device Object Detection API von ML Kit verwenden. Die von diesen APIs verwendeten Modelle sind für allgemeine Zwecke gedacht und werden trainiert die gängigsten Konzepte in Fotos zu erkennen.

Wenn Sie ein spezielleres Bildbeschriftungs- oder Objekterkennungsmodell benötigen, das einen enger gefassten Bereich abdeckt Konzepte genauer an, z. B. ein Modell, um zwischen Blumen- oder Lebensmittelarten – Sie können Firebase ML und AutoML verwenden. Vision Edge zum Trainieren eines Modells mit eigenen Bildern und Kategorien Der benutzerdefinierte wird in Google Cloud trainiert und sobald das Modell bereit ist, vollständig verwendet auf dem Gerät.

Erste Schritte mit Bildlabels Erste Schritte mit der Objekterkennung

Hauptmerkmale

Modelle anhand Ihrer Daten trainieren

Benutzerdefinierte Modelle für Bildbeschriftungen und Objekterkennung automatisch trainieren, um die Ihnen wichtig sind, anhand Ihrer Trainingsdaten zu erkennen.

Integriertes Modellhosting

Hosten Sie Ihre Modelle mit Firebase und laden Sie sie während der Laufzeit. Von Wenn Sie das Modell auf Firebase hosten, können Sie dafür sorgen, dass Nutzer ohne eine neue App-Version zu veröffentlichen.

Natürlich können Sie das Modell auch mit Ihrer App bündeln, sofort nach der Installation verfügbar.

Vorgehensweise bei der Implementierung

	Trainingsdaten zusammenstellen	Erstellen Sie ein Dataset mit Beispielen für jedes Label, das Ihr Modell verwenden soll. erkennen.
	Neues Modell trainieren	Importieren Sie Ihre Trainingsdaten in die Google Cloud-Konsole und verwenden Sie sie zum Trainieren ein neues Modell erstellen.
	Modell in Ihrer App verwenden	Bündeln Sie das Modell mit Ihrer App oder laden Sie es von Firebase herunter, wenn dass es benötigt wird. Verwenden Sie dann das Modell, um den Bildern auf dem Gerät Labels hinzuzufügen.

Preise und Beschränkungen

Zum Trainieren benutzerdefinierter Modelle mit AutoML Vision Edge müssen Sie „Pay as you go“ verwenden (Blaze).

Datasets	Abrechnung gemäß Preise für Cloud Storage
Bilder pro Dataset	1.000.000
Trainingsstunden	Kein Limit pro Modell