Tepi Visi AutoML
Buat model klasifikasi gambar kustom dari data pelatihan Anda sendiri dengan AutoML Vision Edge.
Jika Anda ingin mengenali isi gambar, salah satu pilihan adalah dengan menggunakan ML Kit on-perangkat label gambar API atau on-perangkat deteksi obyek API . Model yang digunakan oleh API ini dibuat untuk penggunaan tujuan umum, dan dilatih untuk mengenali konsep yang paling umum ditemukan dalam foto.
Jika Anda memerlukan pelabelan gambar atau model deteksi objek yang lebih khusus, yang mencakup domain konsep yang lebih sempit secara lebih mendetail—misalnya, model untuk membedakan antara 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 model siap, model tersebut akan digunakan sepenuhnya di perangkat.
Kemampuan utama
| Latih model berdasarkan data Anda | Latih pelabelan gambar kustom dan model deteksi objek secara otomatis untuk mengenali label yang Anda minati, menggunakan data pelatihan Anda. |
| Hosting model bawaan | Host model Anda dengan Firebase, dan muat pada waktu proses. Dengan menghosting model di Firebase, Anda dapat memastikan pengguna memiliki model terbaru tanpa merilis versi aplikasi baru. Dan, tentu saja, Anda juga dapat menggabungkan model dengan aplikasi Anda, sehingga segera tersedia saat diinstal. |
Jalur implementasi
| Merakit data pelatihan | Kumpulkan kumpulan data contoh dari setiap label yang Anda ingin model Anda kenali. | |
| Latih model baru | Di Google Cloud Console, impor data pelatihan Anda dan gunakan untuk melatih model baru. | |
| Gunakan model di aplikasi Anda | Bundel model dengan aplikasi Anda atau unduh dari Firebase saat dibutuhkan. Kemudian, gunakan model untuk memberi label gambar pada perangkat. |
Harga & Batas
Untuk melatih model kustom dengan AutoML Vision Edge, Anda harus menggunakan paket bayar sesuai penggunaan (Blaze).
| Kumpulan data | Ditagih sesuai dengan tingkat Cloud Storage |
|---|---|
| Gambar per kumpulan data | 1.000.000 |
| Jam pelatihan | Tidak ada batasan per model |
Langkah selanjutnya
- Pelajari cara melatih model label gambar .
- Pelajari cara melatih model deteksi obyek .