AutoML Vision Edge
Buat model klasifikasi gambar kustom dari data pelatihan Anda sendiri dengan AutoML Vision Edge.
Jika Anda ingin mengenali konten gambar, salah satu opsinya adalah menggunakan API pelabelan gambar di perangkat atau API deteksi objek di perangkat ML Kit. Model yang digunakan oleh API ini dibuat untuk tujuan penggunaan umum, dan dilatih untuk mengenali konsep yang paling umum ditemukan dalam foto.
Jika Anda membutuhkan model pelabelan gambar atau deteksi objek yang lebih terspesialisasi, yang mencakup domain konsep yang lebih sempit secara lebih mendetail, misalnya model untuk membedakan spesies bunga atau jenis makanan, Anda dapat menggunakan Firebase ML dan AutoML Vision Edge untuk melatih model dengan gambar dan kategori Anda sendiri. Model kustom dilatih di Google Cloud, dan setelah siap, model tersebut sepenuhnya digunakan di perangkat.
Kemampuan utama
| Melatih model berdasarkan data Anda |
Otomatis melatih model pelabelan gambar dan deteksi objek kustom untuk mengenali label yang penting bagi Anda, dengan menggunakan data pelatihan Anda. |
| Hosting model bawaan |
Hosting model Anda dengan Firebase, lalu muat saat run time. Dengan menghosting model di Firebase, Anda dapat memastikan pengguna memiliki model terbaru tanpa merilis versi baru aplikasi. Selain itu, Anda juga dapat memaketkan model dengan aplikasi Anda sehingga langsung tersedia setelah diinstal. |
Alur implementasi
| Susun data pelatihan | Susun set data untuk contoh setiap label yang Anda inginkan agar dikenali model Anda. | |
| Latih model baru | Di Google Cloud Console, impor data pelatihan Anda dan gunakan untuk melatih model baru. | |
| Gunakan model di aplikasi Anda | Paketkan model dengan aplikasi Anda atau download dari Firebase ketika diperlukan. Lalu, gunakan model tersebut untuk memberi label pada gambar di perangkat. |
Harga & Batas
Untuk melatih model kustom dengan AutoML Vision Edge, Anda harus menggunakan paket bayar sesuai penggunaan (Blaze).
| Set data | Dikenai biaya sesuai dengan tarif Cloud Storage |
|---|---|
| Gambar per set data | 1.000.000 |
| Jam pelatihan | Tidak ada batas per model |
Langkah berikutnya
- Pelajari cara melatih model pelabelan gambar.
- Pelajari cara melatih model deteksi objek.