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
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 |
|
|
ขั้นตอนถัดไป
เรียนรู้วิธี ฝึกรูปแบบการติดฉลากภาพ