AutoML Vision Edge

AutoML Vision Edge

Crea modelli di classificazione delle immagini personalizzati dai tuoi dati di addestramento con AutoML Vision Edge.

Se desideri riconoscere il contenuto di un'immagine, un'opzione è utilizzare l'API di etichettatura delle immagini sul dispositivo di ML Kit o l'API di rilevamento degli oggetti sul dispositivo . I modelli utilizzati da queste API sono progettati per un uso generico e sono addestrati a riconoscere i concetti più comuni nelle foto.

Se hai bisogno di un modello di etichettatura delle immagini o di rilevamento di oggetti più specializzato, che copra un dominio di concetti più ristretto in modo più dettagliato, ad esempio un modello per distinguere tra specie di fiori o tipi di cibo, puoi utilizzare Firebase ML e AutoML Vision Edge per addestrare un modello con le tue immagini e categorie. Il modello personalizzato viene addestrato in Google Cloud e, una volta pronto, viene utilizzato completamente sul dispositivo.

Le funzionalità AutoML Vision Edge di Firebase ML sono deprecate. Prendi in considerazione l'utilizzo di Vertex AI per addestrare automaticamente modelli ML, che puoi esportare come modelli TensorFlow Lite per l'utilizzo sul dispositivo o distribuire per l'inferenza basata su cloud .

Inizia con l'etichettatura delle immagini Inizia con il rilevamento degli oggetti

Funzionalità chiave

Addestra modelli in base ai tuoi dati	Addestra automaticamente i modelli personalizzati di etichettatura delle immagini e di rilevamento degli oggetti per riconoscere le etichette che ti interessano, utilizzando i dati di addestramento.
Hosting di modelli integrato	Ospita i tuoi modelli con Firebase e caricali in fase di esecuzione. Ospitando il modello su Firebase, puoi assicurarti che gli utenti dispongano del modello più recente senza rilasciare una nuova versione dell'app. E, naturalmente, puoi anche raggruppare il modello con la tua app, quindi è immediatamente disponibile al momento dell'installazione.

Esecuzione di modelli AutoML nel cloud

In queste pagine viene trattata solo la generazione di modelli ottimizzati per dispositivi mobili destinati a essere eseguiti sul dispositivo. Tuttavia, per i modelli con molte migliaia di etichette o quando è richiesta una precisione notevolmente maggiore, potresti invece voler eseguire un modello ottimizzato per il server nel cloud, cosa che puoi fare chiamando direttamente le API Cloud AutoML Vision. Vedere Effettuare una previsione online .

Tieni presente che, a differenza dell'esecuzione dei modelli AutoML Vision Edge sul dispositivo, l'esecuzione di un modello AutoML basato su cloud viene fatturata per invocazione.

Percorso di implementazione

	Assemblare i dati di addestramento	Metti insieme un set di dati di esempi di ciascuna etichetta che desideri che il tuo modello riconosca.
	Addestra un nuovo modello	Nella console Google Cloud, importa i dati di addestramento e utilizzali per addestrare un nuovo modello.
	Utilizza il modello nella tua app	Raggruppa il modello con la tua app o scaricalo da Firebase quando necessario. Quindi, utilizza il modello per etichettare le immagini sul dispositivo.

Prezzi e limiti

Per addestrare modelli personalizzati con AutoML Vision Edge, devi avere un piano con pagamento in base al consumo (Blaze).

Importante: non puoi più addestrare modelli con AutoML Vision Edge mentre utilizzi il piano Spark. Se in precedenza hai addestrato modelli con il piano Spark, i dati di addestramento e i modelli addestrati sono ancora accessibili dalla console Firebase in modalità di sola lettura. Se vuoi conservare questi dati scaricali prima del 1 marzo 2021.

Set di dati	Fatturato in base alle tariffe di Cloud Storage
Immagini per set di dati	1.000.000
Ore di formazione	Nessun limite per modello

Prossimi passi

• Scopri come addestrare un modello di etichettatura delle immagini .
• Scopri come addestrare un modello di rilevamento degli oggetti .