Google は、黒人コミュニティのための人種的公平の促進に取り組んでいます。詳細をご覧ください。
このページは Cloud Translation API によって翻訳されました。
Switch to English

AutoML Vision Edge

AutoML Vision Edgeを使用して、独自のトレーニングデータからカスタム画像分類モデルを作成します。

画像のコンテンツを認識したい場合、1つのオプションは、MLキットのデバイス上の画像ラベリングAPIまたはデバイス上のオブジェクト検出APIを使用することです。これらのAPIで使用されるモデルは、汎用用に構築されており、写真で最も一般的に見られる概念を認識するようにトレーニングされています。

概念のより狭い領域をより詳細にカバーする、より専門的な画像ラベリングまたはオブジェクト検出モデルが必要な場合(たとえば、花の種類や食品の種類を区別するモデル)、FirebaseMLとAutoMLVisionEdgeを使用してトレーニングできます独自の画像とカテゴリを持つモデル。カスタムモデルはGoogleCloudでトレーニングされており、モデルの準備ができたら、デバイスで完全に使用されます。

画像ラベリングを始めましょうオブジェクト検出を始めましょう

主な機能

データに基づいてモデルをトレーニングする

トレーニングデータを使用して、カスタム画像ラベリングおよびオブジェクト検出モデルを自動的にトレーニングし、関心のあるラベルを認識します。

ビルトインモデルホスティング

モデルをFirebaseでホストし、実行時にロードします。 Firebaseでモデルをホストすることで、新しいアプリバージョンをリリースせずに、ユーザーが最新のモデルを使用できるようにすることができます。

もちろん、モデルをアプリにバンドルすることもできるため、インストール時にすぐに利用できます。

実装パス

トレーニングデータを収集するモデルに認識させたい各ラベルの例のデータセットをまとめます。
新しいモデルをトレーニングするGoogle Cloud Consoleで、トレーニングデータをインポートし、それを使用して新しいモデルをトレーニングします。
アプリでモデルを使用するモデルをアプリにバンドルするか、必要に応じてFirebaseからダウンロードします。次に、モデルを使用してデバイス上の画像にラベルを付けます。

価格と制限

AutoML Vision Edgeを使用してカスタムモデルをトレーニングするには、従量課金制(Blaze)プランを使用している必要があります。

データセットクラウドストレージ料金に応じて請求
データセットごとの画像1,000,000
トレーニング時間モデルごとの制限なし

次のステップ