モバイル開発者向けの
機械学習

Firebase ML を使用してカスタムモデルのトレーニングとデプロイを行うことも、Cloud Vision API による手軽なソリューションを利用することもできます。


Firebase ML のダイアグラム

既存の TensorFlow Lite モデルから着手する場合でも、また独自のモデルをトレーニングする場合であっても、Firebase ML によるモデルのデプロイを使用して、無線(OTA)でユーザーにモデルを配信できます。この方法では、モデルが必要な場合にのみデバイスにダウンロードされるので、当初のアプリのインストール サイズが小さくなります。また、複数のモデルを A/B テストしてそのパフォーマンスを評価できるほか、アプリ全体の再公開を必要とせずに、定期的にモデルを更新することもできます。Firebase コンソールにモデルをアップロードすれば、あとは Google がそのモデルのホストとアプリへの提供を担当します。また、必要に応じ、Firebase Admin SDK を使用して、ML 本番環境パイプラインまたは Colab ノートブックからモデルを直接デプロイすることもできます。


AutoML Vision Edge

AutoML Vision Edge を使用すると、ニーズに適したカスタム画像分類モデルを容易に作成できます。たとえば、さまざまな種類の食品の識別や動物種の区別をアプリで実現できます。どのようなニーズであっても、Firebase コンソールにトレーニング データをアップロードすれば、Google の AutoML テクノロジーを使用してカスタムの TensorFlow Lite モデルを構築し、ユーザーのデバイス上でローカルで稼働できます。


Firebase ML のアイコン

Firebase ML には、一般的なモバイル ユースケースであるテキストの認識画像へのラベル付けランドマークの認識ですぐに使用できるクラウドベースの API がひと揃い付属しています。これらの API は、オンデバイス API と異なり、Google Cloud の機械学習テクノロジー機能を活用して高い精度を発揮します。ライブラリにデータを渡すだけで Google Cloud 上で動作しているモデルへのリクエストがシームレスに発行され、必要な情報が返されます。これらの処理すべてを数行のコードで実現できます。


Firebase は、高品質アプリの開発、ユーザー層の拡大、収益の増加に貢献します。各機能はそれぞれ独立していますが、組み合わせて使用することで相乗効果を期待できます。