Firebase ML을 사용하여 커스텀 모델을 학습하고 배포하거나 Cloud Vision API와 함께 강화된 턴키 방식의 솔루션을 사용하세요.
plat_ios
plat_android
기기에서 실행되는 커스텀 모델 배포
Firebase ML 모델 배포를 사용하면 기존 TensorFlow Lite 모델로 시작하든 고유 모델을 학습하든 관계없이 무선으로 사용자에게 모델을 배포할 수 있습니다. 이 방법은 필요할 때만 기기에서 모델을 다운로드하므로 초기 앱 설치 크기가 줄어듭니다. 또한 전체 앱을 다시 게시하지 않고도 여러 모델을 A/B 테스트하고 성능을 평가하며 모델을 정기적으로 업데이트할 수 있습니다. Firebase Console에 모델을 업로드하기만 하면 Google에서 해당 모델을 호스팅하고 앱에 게재합니다. 원하는 경우에는 Firebase Admin SDK를 사용하여 ML 프로덕션 파이프라인이나 Colab 노트북에서 바로 모델을 배포할 수도 있습니다.
고유의 이미지 분류 커스텀 모델 학습
AutoML Vision Edge를 사용하면 사용자 요구사항에 맞는 커스텀 이미지 분류 모델을 손쉽게 생성할 수 있습니다. 예를 들면 앱에서 다양한 유형의 음식을 식별하거나 동물의 종을 구별하고 싶을 수 있습니다. 원하는 것이 무엇이든 학습 데이터를 Firebase Console에 업로드하기만 하면 Google의 AutoML 기술을 사용하여 사용자 기기에서 로컬로 실행할 수 있는 커스텀 TensorFlow Lite 모델을 빌드할 수 있습니다.
턴키 API로 일반적인 사용 사례 해결
또한 Firebase ML에는 텍스트 인식, 이미지 라벨 지정, 랜드마크 인식과 같은 일반적인 모바일 사용 사례에 바로 사용 가능한 클라우드 기반 API 집합이 제공됩니다. 기기별 API와 달리 이러한 API는 Google Cloud의 강력한 머신러닝 기술을 활용하여 높은 수준의 정확도를 제공합니다. 단 몇 줄의 코드로 라이브러리에 데이터를 전달하기만 하면 Google Cloud에서 실행되는 모델에 원활하게 요청을 보내 필요한 정보를 확인할 수 있습니다.
Firebase ML을 활용하여 이미지를 빠르게 분류하고 비용을 절감하며 사용자 경험을 개선한 eBay Motors
사용자는 eBay Motors를 사용하여 자신이 위치한 지역의 판매 차량을 검색하고 찾을 수 있습니다. Firebase ML에서 AutoML Vision Edge를 사용하여 자체 모델을 구축하고 사용자 환경을 개선한 방법을 알아보세요.
[[["이해하기 쉬움","easyToUnderstand","thumb-up"],["문제가 해결됨","solvedMyProblem","thumb-up"],["기타","otherUp","thumb-up"]],[["필요한 정보가 없음","missingTheInformationINeed","thumb-down"],["너무 복잡함/단계 수가 너무 많음","tooComplicatedTooManySteps","thumb-down"],["오래됨","outOfDate","thumb-down"],["번역 문제","translationIssue","thumb-down"],["샘플/코드 문제","samplesCodeIssue","thumb-down"],["기타","otherDown","thumb-down"]],[],[],[]]