AutoML Vision Edge

AutoML Vision Edge

Crie modelos de classificação de imagens personalizados a partir de seus próprios dados de treinamento com o AutoML Vision Edge.

Se você deseja reconhecer o conteúdo de uma imagem, uma opção é usar a API de rotulagem de imagens no dispositivo ou a API de detecção de objetos no dispositivo do ML Kit. Os modelos usados ​​por essas APIs são criados para uso geral e treinados para reconhecer os conceitos mais comumente encontrados em fotos.

Se você precisar de um modelo mais especializado de rotulagem de imagens ou detecção de objetos, cobrindo um domínio mais restrito de conceitos com mais detalhes (por exemplo, um modelo para distinguir entre espécies de flores ou tipos de alimentos), você pode usar o Firebase ML e o AutoML Vision Edge para treinar um modelo com suas próprias imagens e categorias. O modelo personalizado é treinado no Google Cloud e, quando estiver pronto, ele será totalmente usado no dispositivo.

Os recursos do AutoML Vision Edge do Firebase ML estão obsoletos. Considere usar a Vertex AI para treinar automaticamente modelos de ML, que você pode exportar como modelos do TensorFlow Lite para uso no dispositivo ou implantar para inferência baseada na nuvem .

Comece com a rotulagem de imagens Comece com a detecção de objetos

Principais capacidades

Treine modelos com base em seus dados	Treine automaticamente modelos personalizados de rotulagem de imagens e detecção de objetos para reconhecer os rótulos de seu interesse, usando seus dados de treinamento.
Hospedagem de modelo integrada	Hospede seus modelos no Firebase e carregue-os em tempo de execução. Ao hospedar o modelo no Firebase, você pode garantir que os usuários tenham o modelo mais recente sem lançar uma nova versão do aplicativo. E, claro, você também pode agrupar o modelo com seu aplicativo, para que ele fique imediatamente disponível na instalação.

Executando modelos do AutoML na nuvem

Estas páginas discutem apenas a geração de modelos otimizados para dispositivos móveis destinados à execução no dispositivo. No entanto, para modelos com milhares de rótulos ou quando é necessária uma precisão significativamente maior, talvez você queira executar um modelo otimizado para servidor na nuvem, o que pode ser feito chamando diretamente as APIs do Cloud AutoML Vision. Consulte Fazendo uma previsão on-line .

Observe que, diferentemente da execução de modelos do AutoML Vision Edge no dispositivo, a execução de um modelo do AutoML baseado em nuvem é cobrada por invocação.

Caminho de implementação

	Reunir dados de treinamento	Reúna um conjunto de dados de exemplos de cada rótulo que você deseja que seu modelo reconheça.
	Treine um novo modelo	No console do Google Cloud, importe seus dados de treinamento e use-os para treinar um novo modelo.
	Use o modelo em seu aplicativo	Agrupe o modelo com seu aplicativo ou baixe-o do Firebase quando necessário. Em seguida, use o modelo para rotular imagens no dispositivo.

Preços e Limites

Para treinar modelos personalizados com o AutoML Vision Edge, você deve estar no plano pré-pago (Blaze).

Importante: não é mais possível treinar modelos com o AutoML Vision Edge enquanto estiver no plano Spark. Se você treinou modelos anteriormente no plano Spark, seus dados de treinamento e modelos treinados ainda estarão acessíveis no Firebase console no modo somente leitura. Se você quiser manter esses dados, baixe-os antes de 1º de março de 2021.

Conjuntos de dados	Faturado de acordo com as taxas do Cloud Storage
Imagens por conjunto de dados	1.000.000
Horas de treinamento	Sem limite por modelo

Próximos passos

• Aprenda como treinar um modelo de rotulagem de imagens .
• Aprenda como treinar um modelo de detecção de objetos .