Google is committed to advancing racial equity for Black communities. See how.
本頁面由 Cloud Translation API 翻譯而成。
Switch to English

AutoML視覺邊緣

使用AutoML Vision Edge從您自己的訓練數據創建自定義圖像分類模型。

如果要識別圖像的內容,一種選擇是使用ML Kit的設備上圖像標籤API設備上對象檢測API 。這些API使用的模型是為通用目的而構建的,並且經過訓練可以識別照片中最常見的概念。

如果您需要更專業的圖像標籤或對象檢測模型,更詳細地涵蓋狹窄的概念域(例如,用於區分花朵或食物類型的模型),則可以使用Firebase ML和AutoML Vision Edge進行訓練具有自己的圖像和類別的模型。自定義模型在Google Cloud中進行了訓練,一旦模型準備就緒,它將在設備上完全使用。

圖像標籤入門物體檢測入門

關鍵能力

根據您的數據訓練模型

使用訓練數據自動訓練自定義圖像標籤和對象檢測模型,以識別您關心的標籤。

內置模型託管

使用Firebase託管模型,並在運行時加載它們。通過將模型託管在Firebase上,您可以確保用戶擁有最新模型,而無需發布新的應用程序版本。

而且,當然,您也可以將模型與應用程序捆綁在一起,因此安裝後即可立即使用。

實施路徑

匯總訓練數據將您希望模型識別的每個標籤的示例數據集放在一起。
訓練新模型在Google Cloud Console中,導入您的訓練數據並使用它來訓練新模型。
在您的應用中使用模型將模型與您的應用程序捆綁在一起,或在需要時從Firebase下載。然後,使用模型在設備上標記圖像。

定價與限制

要使用AutoML Vision Edge訓練自定義模型,您必須採用即付即用(Blaze)計劃。

數據集根據云存儲費率計費
每個數據集的圖像1,000,000
培訓時間沒有每個型號的限制

下一步