AutoML Vision Edge
สร้างโมเดลการจำแนกรูปภาพที่กำหนดเองจากข้อมูลการฝึกอบรมของคุณเองด้วย AutoML Vision Edge
หากคุณต้องการจดจำเนื้อหาของรูปภาพทางเลือกหนึ่งคือใช้ API การติดฉลากรูปภาพบนอุปกรณ์ ของ ML Kit หรือ API การตรวจจับวัตถุบนอุปกรณ์ แบบจำลองที่ใช้โดย API เหล่านี้สร้างขึ้นเพื่อการใช้งานทั่วไปและได้รับการฝึกฝนให้รู้จักแนวคิดที่พบบ่อยที่สุดในรูปภาพ
หากคุณต้องการรูปแบบการติดฉลากรูปภาพหรือการตรวจจับวัตถุที่เฉพาะเจาะจงมากขึ้นโดยครอบคลุมขอบเขตแนวคิดที่แคบลงโดยละเอียดมากขึ้นเช่นแบบจำลองเพื่อแยกความแตกต่างระหว่างพันธุ์ดอกไม้หรือประเภทอาหารคุณสามารถใช้ Firebase ML และ AutoML Vision Edge เพื่อฝึก แบบจำลองที่มีรูปภาพและหมวดหมู่ของคุณเอง โมเดลที่กำหนดเองได้รับการฝึกฝนใน Google Cloud และเมื่อโมเดลพร้อมแล้วโมเดลนั้นจะถูกใช้บนอุปกรณ์อย่างเต็มที่
ความสามารถที่สำคัญ
| ฝึกโมเดลตามข้อมูลของคุณ | ฝึกการติดฉลากรูปภาพที่กำหนดเองและโมเดลการตรวจจับวัตถุโดยอัตโนมัติเพื่อจดจำป้ายกำกับที่คุณสนใจโดยใช้ข้อมูลการฝึกอบรมของคุณ |
| โฮสติ้งโมเดลในตัว | โฮสต์โมเดลของคุณกับ Firebase และโหลดในขณะทำงาน การโฮสต์โมเดลบน Firebase ช่วยให้แน่ใจได้ว่าผู้ใช้มีโมเดลล่าสุดโดยไม่ต้องปล่อยแอปเวอร์ชันใหม่ และแน่นอนว่าคุณสามารถรวมโมเดลเข้ากับแอปของคุณได้ดังนั้นจึงพร้อมใช้งานทันทีเมื่อติดตั้ง |
เส้นทางการดำเนินการ
| รวบรวมข้อมูลการฝึกอบรม | รวบรวมชุดข้อมูลตัวอย่างของป้ายกำกับแต่ละรายการที่คุณต้องการให้โมเดลของคุณรู้จัก | |
| ฝึกโมเดลใหม่ | ใน Google Cloud Console ให้นำเข้าข้อมูลการฝึกอบรมของคุณและใช้เพื่อฝึกโมเดลใหม่ | |
| ใช้โมเดลในแอปของคุณ | รวมโมเดลเข้ากับแอปของคุณหรือดาวน์โหลดจาก Firebase เมื่อจำเป็น จากนั้นใช้โมเดลเพื่อติดป้ายกำกับรูปภาพบนอุปกรณ์ |
ราคาและขีด จำกัด
ในการฝึกโมเดลที่กำหนดเองด้วย AutoML Vision Edge คุณต้องอยู่ในแผนจ่ายตามการใช้งาน (Blaze)
| ชุดข้อมูล | เรียกเก็บเงินตาม อัตรา Cloud Storage |
|---|---|
| รูปภาพต่อชุดข้อมูล | 1,000,000 |
| ชั่วโมงการฝึกอบรม | ไม่มีขีด จำกัด ต่อรุ่น |
ขั้นตอนถัดไป
- เรียนรู้วิธี ฝึกโมเดลการติดฉลากรูปภาพ
- เรียนรู้วิธี ฝึกโมเดลการตรวจจับวัตถุ