AutoML Vision Edge

สร้างแบบจำลองการจัดประเภทรูปภาพแบบกำหนดเองจากข้อมูลการฝึกของคุณเองด้วย AutoML Vision Edge

หากคุณต้องการที่จะรับรู้เนื้อหาของภาพอีกทางเลือกหนึ่งคือการใช้ ML ชุด บนอุปกรณ์ภาพการติดฉลาก API หรือ บนอุปกรณ์ตรวจจับวัตถุ API โมเดลที่ใช้โดย API เหล่านี้สร้างขึ้นเพื่อการใช้งานทั่วไป และได้รับการฝึกอบรมให้รู้จักแนวคิดที่พบได้บ่อยที่สุดในภาพถ่าย

หากคุณต้องการการติดฉลากรูปภาพที่เชี่ยวชาญมากขึ้นหรือโมเดลการตรวจจับวัตถุ ซึ่งครอบคลุมขอบเขตแนวคิดที่แคบกว่าในรายละเอียดมากขึ้น เช่น โมเดลเพื่อแยกความแตกต่างระหว่างสายพันธุ์ของดอกไม้หรือประเภทของอาหาร คุณสามารถใช้ Firebase ML และ AutoML Vision Edge เพื่อฝึกฝนได้ โมเดลที่มีรูปภาพและหมวดหมู่ของคุณเอง โมเดลที่กำหนดเองได้รับการฝึกอบรมใน Google Cloud และเมื่อโมเดลพร้อมแล้ว ก็จะใช้งานบนอุปกรณ์ได้อย่างเต็มที่

เริ่มต้นด้วยการติดฉลากภาพ เริ่มต้นด้วยการตรวจจับวัตถุ

ความสามารถที่สำคัญ

ฝึกโมเดลตามข้อมูลของคุณ

ฝึกโมเดลการติดฉลากรูปภาพและการตรวจจับวัตถุแบบกำหนดเองโดยอัตโนมัติเพื่อจดจำป้ายกำกับที่คุณสนใจ โดยใช้ข้อมูลการฝึกของคุณ

โฮสติ้งโมเดลในตัว

โฮสต์โมเดลของคุณด้วย Firebase และโหลดโมเดลในขณะใช้งาน เมื่อโฮสต์โมเดลบน Firebase คุณจะมั่นใจได้ว่าผู้ใช้มีโมเดลล่าสุดโดยไม่ต้องเปิดตัวแอปเวอร์ชันใหม่

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 การเรียกเก็บเงินตาม อัตราการจัดเก็บเมฆ
รูปภาพต่อชุดข้อมูล 1,000,000
ชั่วโมงการฝึก ไม่จำกัดรุ่นต่อรุ่น

ขั้นตอนถัดไป