AutoML Vision Edge
AutoML Vision Edge를 사용하여 자체 학습 데이터에서 커스텀 이미지 분류 모델을 만듭니다.
이미지의 콘텐츠를 인식하려는 경우 ML Kit의 기기별 이미지 라벨 지정 API 또는 기기별 객체 감지 API를 사용하는 것도 한 방법입니다. 이 API에서 사용하는 모델은 범용으로 빌드되었으며, 사진에서 가장 흔하게 등장하는 개념을 인식하도록 학습되었습니다.
꽃의 품종이나 음식 종류를 구분하는 모델과 같이 더 구체적인 개념 영역을 자세히 다루는 전문화된 이미지 라벨 지정 모델 또는 객체 감지 모델이 필요한 경우 Firebase ML 및 AutoML Vision Edge를 사용하여 자체 이미지 및 카테고리로 모델을 학습시킬 수 있습니다. 커스텀 모델은 Google Cloud에서 학습되며 모델이 준비되면 기기에서 완전히 사용됩니다.
주요 기능
| 데이터를 기반으로 모델 학습 |
학습 데이터를 사용하여 관심 있는 라벨을 인식하도록 커스텀 이미지 라벨 지정 및 객체 감지 모델을 자동으로 학습시킵니다. |
| 기본 제공 모델 호스팅 |
Firebase를 사용하여 모델을 호스팅하고 런타임 시 로드합니다. Firebase에서 모델을 호스팅하면 앱 버전을 새로 출시하지 않고 사용자에게 최신 모델을 제공할 수 있습니다. 또한 모델을 앱과 번들로 묶을 수 있으므로 설치 즉시 사용할 수 있습니다. |
구현 경로
| 학습 데이터 조합 | 모델에서 인식할 각 라벨의 데이터 세트 예시를 준비합니다. | |
| 새 모델 학습 | Google Cloud Console에서 학습 데이터를 가져와 새 모델을 학습시키는 데 사용합니다. | |
| 앱에서 모델 사용 | 모델을 앱과 번들로 묶거나 필요할 때 Firebase에서 다운로드합니다. 그런 다음 모델을 사용하여 기기의 이미지에 라벨을 지정합니다. |
가격 책정 및 한도
AutoML Vision Edge로 커스텀 모델을 학습하려면 사용한 만큼만 지불하는 Blaze 요금제를 이용해야 합니다.
| 데이터 세트 | Cloud Storage 가격에 따라 요금이 청구됨 |
|---|---|
| 데이터 세트당 이미지 | 1,000,000 |
| 학습 시간 | 모델당 한도 없음 |
다음 단계
- 이미지 라벨 지정 모델 학습 방법을 알아봅니다.
- 객체 감지 모델 학습 방법을 알아봅니다.