Krawędź wizji AutoML

Twórz niestandardowe modele klasyfikacji obrazów na podstawie własnych danych treningowych za pomocą AutoML Vision Edge.

Jeśli chcesz rozpoznać zawartość obrazu, jedną z opcji jest użycie wbudowanego w urządzenie interfejsu API etykietowania obrazów lub interfejsu API wykrywania obiektów ML Kit. Modele używane przez te interfejsy API są budowane do użytku ogólnego i są przeszkolone w zakresie rozpoznawania najczęściej spotykanych koncepcji na zdjęciach.

Jeśli potrzebujesz bardziej wyspecjalizowanego modelu etykietowania obrazów lub wykrywania obiektów, obejmującego bardziej szczegółowo węższą dziedzinę pojęć — na przykład modelu rozróżniającego gatunki kwiatów lub rodzaje żywności — możesz użyć Firebase ML i AutoML Vision Edge do szkolenia model z własnymi obrazami i kategoriami. Model niestandardowy jest szkolony w Google Cloud, a gdy jest już gotowy, jest w pełni wykorzystywany na urządzeniu.

Rozpocznij od etykietowania obrazów Rozpocznij od wykrywania obiektów

Kluczowe możliwości

Trenuj modele na podstawie swoich danych

Automatycznie trenuj niestandardowe modele etykietowania obrazów i wykrywania obiektów, aby rozpoznawały etykiety, na których Ci zależy, korzystając z danych szkoleniowych.

Wbudowany hosting modeli

Hostuj swoje modele w Firebase i ładuj je w czasie wykonywania. Hostując model w Firebase, możesz mieć pewność, że użytkownicy mają najnowszy model bez konieczności wydawania nowej wersji aplikacji.

Oczywiście możesz także połączyć model z aplikacją, aby był natychmiast dostępny po zainstalowaniu.

Ścieżka realizacji

Zbierz dane szkoleniowe Utwórz zbiór danych zawierający przykłady każdej etykiety, którą chcesz rozpoznawać w modelu.
Trenuj nowy model W konsoli Google Cloud zaimportuj dane treningowe i użyj ich do wytrenowania nowego modelu.
Użyj modelu w swojej aplikacji Połącz model ze swoją aplikacją lub pobierz go z Firebase, jeśli zajdzie taka potrzeba. Następnie użyj modelu do etykietowania obrazów na urządzeniu.

Ceny i limity

Aby trenować niestandardowe modele za pomocą AutoML Vision Edge, musisz korzystać z planu płatności zgodnie z rzeczywistym użyciem (Blaze).

Zbiory danych Rozliczane według stawek za przechowywanie w chmurze
Obrazy na zbiór danych 1 000 000
Godziny szkolenia Brak limitu na model

Następne kroki