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 dari ML Kit atau API deteksi objek di perangkat . 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 yang lebih khusus atau model deteksi objek, yang mencakup domain konsep yang lebih sempit secara lebih detail — 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 digunakan sepenuhnya di perangkat.
Kemampuan kunci
| Latih model berdasarkan data Anda | Latih pelabelan gambar kustom dan model deteksi objek secara otomatis untuk mengenali label yang penting bagi Anda, menggunakan data pelatihan Anda. |
| Model hosting bawaan | Menghosting model Anda dengan Firebase, dan memuatnya 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 memaketkan model dengan aplikasi Anda, sehingga segera tersedia saat dipasang. |
Jalur implementasi
| Kumpulkan data pelatihan | Kumpulkan kumpulan data contoh dari setiap label yang Anda ingin dikenali oleh model Anda. | |
| Latih model baru | Di Google Cloud Console, impor data pelatihan Anda dan gunakan untuk melatih model baru. | |
| Gunakan model di aplikasi Anda | Gabungkan model dengan aplikasi Anda atau download dari Firebase saat diperlukan. Kemudian, gunakan model tersebut untuk melabeli gambar di perangkat. |
Penetapan Harga & Batasan
Untuk melatih model kustom dengan AutoML Vision Edge, Anda harus menggunakan paket pay-as-you-go (Blaze).
| Set data | Ditagih sesuai dengan tarif Cloud Storage |
|---|---|
| Gambar per kumpulan data | 1.000.000 |
| Jam pelatihan | Tidak ada batasan per model |
Langkah selanjutnya
- Pelajari cara melatih model pelabelan gambar .
- Pelajari cara melatih model deteksi objek .