AutoML Vision Edge
AutoML Vision Edge를 사용하여 자체 학습 데이터에서 커스텀 이미지 분류 모델을 만듭니다.
이미지의 콘텐츠를 인식하려는 경우 한 가지 옵션은 ML Kit의 기기 별 이미지 라벨 지정 API 또는 기기 별 객체 감지 API를 사용하는 것 입니다. 이러한 API에서 사용하는 모델은 범용으로 구축되었으며 사진에서 가장 일반적으로 발견되는 개념을 인식하도록 훈련되었습니다.
예를 들어 꽃의 종류 나 음식의 종류를 구별하는 모델과 같이 좁은 개념 영역을 더 자세히 다루는보다 전문화 된 이미지 라벨 지정 또는 객체 감지 모델이 필요한 경우 Firebase ML 및 AutoML Vision Edge를 사용하여 학습 할 수 있습니다. 자신의 이미지와 카테고리가있는 모델. 커스텀 모델은 GCP에서 학습되며 모델이 준비되면 기기에서 완전히 사용됩니다.
주요 기능
데이터를 기반으로 모델 학습 | 학습 데이터를 사용하여 사용자 지정 이미지 라벨링 및 객체 감지 모델을 자동으로 학습하여 관심있는 라벨을 인식합니다. |
기본 제공 모델 호스팅 | Firebase로 모델을 호스팅하고 런타임에로드하세요. Firebase에서 모델을 호스팅하면 사용자가 새 앱 버전을 출시하지 않고도 최신 모델을 사용할 수 있습니다. 물론 앱과 함께 모델을 번들로 제공 할 수도 있으므로 설치 즉시 사용할 수 있습니다. |
구현 경로
훈련 데이터 수집 | 모델이 인식하기를 원하는 각 라벨의 예시 데이터 세트를 모 으세요. | |
새 모델 훈련 | Google Cloud Console에서 학습 데이터를 가져 와서 새 모델을 학습시키는 데 사용합니다. | |
앱에서 모델 사용 | 앱과 함께 모델을 번들로 묶거나 필요할 때 Firebase에서 다운로드하세요. 그런 다음 모델을 사용하여 기기의 이미지에 라벨을 지정합니다. |
가격 및 제한
AutoML Vision Edge로 커스텀 모델을 학습 시키려면 종량제 (Blaze) 요금제를 사용해야합니다.
데이터 세트 | Cloud Storage 요금 에 따라 청구 |
---|---|
데이터 세트당 이미지 | 1,000,000 |
교육 시간 | 모델 당 제한 없음 |
다음 단계
- 이미지 라벨링 모델 학습 방법을 알아 봅니다.
- 물체 감지 모델 을 훈련하는 방법을 알아 봅니다.