ขอบการมองเห็น AutoML
สร้างโมเดลการจัดหมวดหมู่รูปภาพแบบกำหนดเองจากข้อมูลการฝึกของคุณเองด้วย AutoML Vision Edge
หากคุณต้องการจดจำเนื้อหาของรูปภาพ ทางเลือกหนึ่งคือใช้ API การติดป้ายกำกับรูปภาพบนอุปกรณ์ ของ ML Kit หรือ API การตรวจจับวัตถุบนอุปกรณ์ โมเดลที่ใช้โดย API เหล่านี้สร้างขึ้นเพื่อการใช้งานทั่วไป และได้รับการฝึกให้จดจำแนวคิดที่พบบ่อยที่สุดในภาพถ่าย
หากคุณต้องการโมเดลการติดป้ายกำกับรูปภาพหรือการตรวจจับวัตถุที่พิเศษยิ่งขึ้น ซึ่งครอบคลุมขอบเขตแนวคิดที่แคบลงโดยมีรายละเอียดมากขึ้น เช่น แบบจำลองเพื่อแยกแยะระหว่างสายพันธุ์ดอกไม้หรือประเภทของอาหาร คุณสามารถใช้ Firebase ML และ AutoML Vision Edge เพื่อฝึกได้ โมเดลที่มีรูปภาพและหมวดหมู่ของคุณเอง โมเดลที่กำหนดเองได้รับการฝึกฝนใน Google Cloud และเมื่อโมเดลพร้อมแล้ว ก็จะใช้งานบนอุปกรณ์ได้อย่างสมบูรณ์
เริ่มต้นใช้งานการติดป้ายกำกับรูปภาพ เริ่มต้นใช้งานการตรวจจับวัตถุ
ความสามารถที่สำคัญ
ฝึกโมเดลตามข้อมูลของคุณ | ฝึกโมเดลการติดป้ายกำกับรูปภาพและการตรวจจับวัตถุแบบกำหนดเองโดยอัตโนมัติเพื่อจดจำป้ายกำกับที่คุณสนใจ โดยใช้ข้อมูลการฝึกของคุณ |
โฮสติ้งโมเดลในตัว | โฮสต์โมเดลของคุณด้วย Firebase และโหลดโมเดลเหล่านั้น ณ รันไทม์ ด้วยการโฮสต์โมเดลบน Firebase คุณจะมั่นใจได้ว่าผู้ใช้มีโมเดลล่าสุดโดยไม่ต้องเปิดตัวแอปเวอร์ชันใหม่ และแน่นอน คุณยังสามารถรวมโมเดลเข้ากับแอปของคุณได้ด้วย เพื่อให้พร้อมใช้ได้ทันทีเมื่อติดตั้ง |
เส้นทางการนำไปปฏิบัติ
รวบรวมข้อมูลการฝึกอบรม | รวบรวมชุดข้อมูลตัวอย่างของแต่ละป้ายกำกับที่คุณต้องการให้โมเดลจดจำได้ | |
ฝึกโมเดลใหม่ | ในคอนโซล Google Cloud ให้นำเข้าข้อมูลการฝึกของคุณและใช้เพื่อฝึกโมเดลใหม่ | |
ใช้โมเดลในแอปของคุณ | รวมโมเดลเข้ากับแอปของคุณหรือดาวน์โหลดจาก Firebase เมื่อจำเป็น จากนั้นใช้โมเดลเพื่อติดป้ายกำกับรูปภาพบนอุปกรณ์ |
ราคาและข้อจำกัด
หากต้องการฝึกโมเดลแบบกำหนดเองด้วย AutoML Vision Edge คุณต้องใช้แผนแบบจ่ายตามการใช้งาน (Blaze)
ชุดข้อมูล | เรียกเก็บเงินตาม อัตรา Cloud Storage |
---|---|
รูปภาพต่อชุดข้อมูล | 1,000,000 |
ชั่วโมงการฝึกอบรม | ไม่จำกัดรุ่นต่อรุ่น |
ขั้นตอนถัดไป
- เรียนรู้วิธีการ ฝึกอบรมโมเดลการติดป้ายกำกับรูปภาพ
- เรียนรู้วิธี การฝึกแบบจำลองการตรวจจับวัตถุ