Google มุ่งมั่นที่จะพัฒนาความเท่าเทียมทางเชื้อชาติสำหรับชุมชนคนผิวดำ มาดูกันว่า
หน้านี้ได้รับการแปลโดย Cloud Translation API
Switch to English

AutoML Vision Edge

สร้างรูปแบบการจัดหมวดหมู่ภาพที่กำหนดเองจากข้อมูลการฝึกอบรมของคุณเองด้วย AutoML Vision Edge

หากคุณต้องการรับรู้เนื้อหาของภาพหนึ่งทางเลือกคือการใช้ API การติดฉลากรูปภาพบนอุปกรณ์ของ ML Kit โมเดลที่ใช้โดย API นั้นถูกสร้างขึ้นเพื่อการใช้งานทั่วไปและได้รับการฝึกฝนให้รู้จักหมวดหมู่ประมาณ 400 ประเภทที่ครอบคลุมแนวคิดที่พบมากที่สุดในภาพถ่าย

หากคุณต้องการรูปแบบการติดฉลากรูปภาพที่เฉพาะเจาะจงยิ่งขึ้นซึ่งครอบคลุมขอบเขตของแนวคิดที่แคบลงในรายละเอียดเพิ่มเติมตัวอย่างเช่นแบบจำลองเพื่อแยกแยะความแตกต่างระหว่างชนิดของดอกไม้หรือชนิดของอาหาร - คุณสามารถใช้ Firebase ML และ AutoML Vision Edge ภาพและหมวดหมู่ของคุณเอง โมเดลที่กำหนดเองนั้นได้รับการฝึกฝนใน Google Cloud และเมื่อโมเดลพร้อมแล้วมันจะถูกใช้อย่างสมบูรณ์บนอุปกรณ์

เริ่ม

ความสามารถหลัก

ฝึกโมเดลตามข้อมูลของคุณ

ฝึกอบรมโมเดลการติดฉลากรูปภาพที่กำหนดเองโดยอัตโนมัติเพื่อรับรู้ฉลากที่คุณสนใจโดยใช้ข้อมูลการฝึกอบรมของคุณ

โฮสติ้งโมเดลในตัว

โฮสต์โมเดลของคุณด้วย Firebase และโหลดเมื่อรันไทม์ด้วย ML Kit ด้วยการโฮสต์โมเดลบน Firebase คุณสามารถตรวจสอบให้แน่ใจว่าผู้ใช้มีรุ่นล่าสุดโดยไม่ต้องเผยแพร่แอพใหม่

และแน่นอนคุณยังสามารถรวมโมเดลกับแอปของคุณได้ดังนั้นจึงพร้อมใช้งานทันทีที่ติดตั้ง

เส้นทางการดำเนินงาน

รวบรวมข้อมูลการฝึกอบรม รวบรวมชุดข้อมูลของตัวอย่างของแต่ละป้ายกำกับที่คุณต้องการให้แบบจำลองของคุณรู้จัก
ฝึกโมเดลใหม่ ในคอนโซล Firebase นำเข้าข้อมูลการฝึกอบรมของคุณและใช้เพื่อฝึกอบรมโมเดลใหม่
ใช้โมเดลในแอปของคุณ รวมโมเดลกับแอพของคุณหรือปล่อยให้ ML Kit ดาวน์โหลดจาก Firebase เมื่อจำเป็น จากนั้นใช้โมเดลเพื่อทำป้ายรูปภาพบนอุปกรณ์

ราคาและข้อ จำกัด

Spark & ​​Flame เปลวไฟ
ชุดข้อมูล 1 ถูกเรียกเก็บเงินตาม อัตราพื้นที่เก็บข้อมูลบนคลาวด์
รูปภาพต่อชุดข้อมูล 1,000 1,000,000
ชั่วโมงการฝึกอบรม
  • 3 ชั่วโมงฟรีต่อโครงการ
  • 1 ชั่วโมงต่อรุ่น
  • 15 ชั่วโมงการฝึกอบรมฟรีต่อโครงการที่เรียกเก็บเงิน ชั่วโมงการฝึกอบรมครั้งต่อไป 4.95 USD ต่อชั่วโมง
  • ไม่ จำกัด ต่อรุ่น

ขั้นตอนถัดไป

เรียนรู้วิธี ฝึกรูปแบบการติดฉลากภาพ