AutoML Vision Edge
สร้างแบบจำลองการจัดประเภทรูปภาพแบบกำหนดเองจากข้อมูลการฝึกของคุณเองด้วย AutoML Vision Edge
หากคุณต้องการจดจำเนื้อหาของรูปภาพ ทางเลือกหนึ่งคือใช้ API การติดป้ายกำกับรูปภาพในอุปกรณ์ของ ML Kit หรือ API การตรวจจับวัตถุในอุปกรณ์ โมเดลที่ใช้โดย API เหล่านี้สร้างขึ้นเพื่อการใช้งานทั่วไป และได้รับการฝึกให้รู้จักแนวคิดที่พบได้บ่อยที่สุดในรูปภาพ
หากคุณต้องการการติดฉลากรูปภาพหรือโมเดลการตรวจจับวัตถุที่เชี่ยวชาญมากขึ้น โดยครอบคลุมขอบเขตแนวคิดที่แคบลงโดยละเอียดยิ่งขึ้น เช่น แบบจำลองเพื่อแยกความแตกต่างระหว่างสายพันธุ์ของดอกไม้หรือประเภทของอาหาร คุณสามารถใช้ Firebase ML และ AutoML Vision Edge เพื่อฝึกฝนได้ โมเดลที่มีรูปภาพและหมวดหมู่ของคุณเอง โมเดลที่กำหนดเองได้รับการฝึกอบรมใน Google Cloud และเมื่อโมเดลพร้อมแล้ว ก็จะใช้งานบนอุปกรณ์ได้อย่างเต็มที่
เริ่มต้นใช้งานการติดฉลากรูปภาพ เริ่มต้นใช้งานการตรวจจับวัตถุ
ความสามารถที่สำคัญ
ฝึกโมเดลตามข้อมูลของคุณ | ฝึกโมเดลการติดฉลากรูปภาพและการตรวจจับวัตถุแบบกำหนดเองโดยอัตโนมัติเพื่อจดจำป้ายกำกับที่คุณสนใจ โดยใช้ข้อมูลการฝึกของคุณ |
โฮสติ้งโมเดลในตัว | โฮสต์โมเดลของคุณด้วย Firebase และโหลดโมเดลในขณะใช้งาน การโฮสต์โมเดลบน Firebase ช่วยให้มั่นใจได้ว่าผู้ใช้มีโมเดลล่าสุดโดยไม่ต้องเปิดตัวแอปเวอร์ชันใหม่ และแน่นอน คุณยังสามารถรวมโมเดลเข้ากับแอปของคุณได้ ดังนั้นจึงพร้อมให้ติดตั้งได้ทันที |
เส้นทางการดำเนินการ
รวบรวมข้อมูลการฝึก | รวบรวมชุดข้อมูลของตัวอย่างของแต่ละป้ายกำกับที่คุณต้องการให้โมเดลของคุณจดจำ | |
ฝึกโมเดลใหม่ | ใน Google Cloud Console ให้นำเข้าข้อมูลการฝึกของคุณและใช้เพื่อฝึกโมเดลใหม่ | |
ใช้โมเดลในแอพของคุณ | รวมโมเดลเข้ากับแอปของคุณหรือดาวน์โหลดจาก Firebase เมื่อจำเป็น จากนั้นใช้โมเดลเพื่อติดป้ายกำกับรูปภาพบนอุปกรณ์ |
ราคาและขีดจำกัด
ในการฝึกโมเดลที่กำหนดเองด้วย AutoML Vision Edge คุณต้องใช้แผนจ่ายตามการใช้งาน (Blaze)
ชุดข้อมูล | เรียกเก็บเงินตาม อัตรา Cloud Storage |
---|---|
รูปภาพต่อชุดข้อมูล | 1,000,000 |
ชั่วโมงการฝึก | ไม่จำกัดรุ่นต่อรุ่น |
ขั้นตอนถัดไป
- เรียนรู้วิธี ฝึกโมเดลการติดฉลากรูปภาพ
- เรียนรู้วิธี ฝึกโมเดลการตรวจจับวัตถุ