AutoML Vision Edge

AutoML Vision Edge

Создавайте собственные модели классификации изображений на основе собственных обучающих данных с помощью AutoML Vision Edge.

Если вы хотите распознать содержимое изображения, одним из вариантов является использование API маркировки изображений на устройстве ML Kit или API обнаружения объектов на устройстве . Модели, используемые этими API, созданы для общего использования и обучены распознавать наиболее часто встречающиеся понятия на фотографиях.

Если вам нужна более специализированная модель маркировки изображений или модель обнаружения объектов, более подробно охватывающая более узкую область понятий (например, модель для различения видов цветов или типов продуктов питания), вы можете использовать Firebase ML и AutoML Vision Edge для обучения. модель со своими изображениями и категориями. Пользовательская модель обучается в Google Cloud , и как только модель готова, она полностью используется на устройстве.

Функции AutoML Vision Edge в Firebase ML устарели. Рассмотрите возможность использования Vertex AI для автоматического обучения моделей машинного обучения, которые вы можете экспортировать как модели TensorFlow Lite для использования на устройстве или развернуть для вывода в облаке .

Начало работы с маркировкой изображений Начало работы с обнаружением объектов

Ключевые возможности

Обучайте модели на основе ваших данных	Автоматически обучайте пользовательские модели маркировки изображений и обнаружения объектов распознаванию нужных вам меток, используя ваши обучающие данные.
Встроенный хостинг моделей	Размещайте свои модели с помощью Firebase и загружайте их во время выполнения. Разместив модель в Firebase, вы можете быть уверены, что у пользователей будет последняя модель, не выпуская новую версию приложения. И, конечно же, вы также можете связать модель со своим приложением, чтобы она была доступна сразу после установки.

Запуск моделей AutoML в облаке

На этих страницах обсуждается только создание моделей, оптимизированных для мобильных устройств, предназначенных для работы на устройстве. Однако для моделей со многими тысячами меток или когда требуется значительно более высокая точность, вы можете вместо этого запустить модель, оптимизированную для сервера, в облаке, что можно сделать, вызвав API-интерфейсы Cloud AutoML Vision напрямую. См. раздел Создание онлайн-прогноза .

Обратите внимание, что в отличие от запуска моделей AutoML Vision Edge на устройстве, за запуск облачной модели AutoML взимается плата за каждый вызов.

Путь реализации

	Соберите обучающие данные	Соберите набор данных с примерами каждой метки, которую вы хотите, чтобы ваша модель распознавала.
	Обучите новую модель	В консоли Google Cloud импортируйте данные обучения и используйте их для обучения новой модели.
	Используйте модель в своем приложении	Объедините модель со своим приложением или загрузите ее из Firebase, когда это необходимо. Затем используйте модель для маркировки изображений на устройстве.

Цены и ограничения

Для обучения пользовательских моделей с помощью AutoML Vision Edge вам необходимо использовать план оплаты по мере использования (Blaze).

Важно! Вы больше не можете обучать модели с помощью AutoML Vision Edge, находясь на плане Spark. Если вы ранее обучали модели в рамках плана Spark, ваши данные обучения и обученные модели по-прежнему доступны из консоли Firebase в режиме только для чтения. Если вы хотите сохранить эти данные, загрузите их до 1 марта 2021 г.

Наборы данных	Оплата производится в соответствии с тарифами Cloud Storage.
Изображения на набор данных	1 000 000
Часы обучения	Нет ограничений на модель

Следующие шаги

• Узнайте, как обучить модель маркировки изображений .
• Узнайте, как обучить модель обнаружения объектов .