AutoML Vision Edge

AutoML Vision Edge

Usa AutoML Vision Edge para crear modelos personalizados de clasificación de imágenes con tus propios datos de entrenamiento.

Si quieres reconocer el contenido de una imagen, una opción es usar la API de etiquetado de imágenes en el dispositivo del ML Kit o la API de detección de objetos en el dispositivo. Los modelos que utilizan estas API están diseñados para un uso general y se entrenan con el fin de reconocer los conceptos más comunes en las fotos.

Si necesitas un modelo de etiquetado de imágenes o un modelo de detección de objetos más especializado y que abarque un dominio de conceptos más limitado y detallado (por ejemplo, un modelo para distinguir entre especies de flores o tipos de comida) puedes usar Firebase ML y AutoML Vision Edge para entrenar un modelo con tus propias imágenes y categorías. El modelo personalizado se entrena en Google Cloud y, una vez que está listo, se usa por completo en el dispositivo.

Las funciones de AutoML Vision Edge del AA de Firebase dejaron de estar disponibles. Considera usar Vertex AI si quieres entrenar automáticamente modelos de AA, que puedes exportar como modelos de TensorFlow Lite para usarlos en el dispositivo o implementarlos para la inferencia basada en la nube.

Comenzar con el etiquetado de imágenes Comenzar a detectar objetos

Funciones clave

Entrena modelos basados en tus datos	Entrena automáticamente los modelos de etiquetado de imágenes y de detección de objetos personalizados para reconocer las etiquetas que te interesan utilizando tus datos de entrenamiento.
Alojamiento de modelos integrado	Aloja tus modelos con Firebase y cárgalos en el entorno de ejecución. Si alojas el modelo en Firebase, puedes asegurarte de que los usuarios tengan el último modelo sin lanzar una nueva versión de la app. Además, puedes empaquetar el modelo con tu app, de modo que esté disponible de inmediato en la instalación.

Ejecuta modelos de AutoML en la nube

En estas páginas, solo se analiza la generación de modelos optimizados para dispositivos móviles destinados a ejecutarse en el dispositivo. Sin embargo, cuando se trata de modelos con miles de etiquetas o se requiere una precisión significativamente mayor, recomendamos que ejecutes un modelo de servidor optimizado en la nube con una llamada directa a las API de Cloud AutoML Vision. Consulta Crea una predicción en línea

Ten en cuenta que, a diferencia de la ejecución de modelos de AutoML Vision Edge en el dispositivo, la ejecución de un modelo de AutoML basado en la nube se factura por invocación.

Ruta de implementación

	Recopilar datos de entrenamiento	Prepara un conjunto de datos de ejemplos de cada etiqueta que quieras que tu modelo reconozca.
	Entrena un modelo nuevo	En Google Cloud console, importa tus datos de entrenamiento y utilízalos para entrenar un nuevo modelo.
	Usa el modelo en tu app	Empaqueta el modelo con tu app o descárgalo desde Firebase cuando sea necesario. Luego, usa el modelo para etiquetar imágenes en el dispositivo.

Precios y límites

Para entrenar modelos personalizados con AutoML Vision Edge, debes tener el plan de pago por uso (Blaze).

Importante: Ya no puedes entrenar modelos con AutoML Vision Edge si usas el plan Spark. Si entrenaste modelos cuando tenías el plan Spark, aún puedes acceder a tus datos de entrenamiento y a los modelos entrenados desde Firebase console en modo de solo lectura. Si deseas conservar estos datos, descárgalos antes del 1  de marzo de 2021.

Conjuntos de datos	Facturado de acuerdo con las tarifas de Cloud Storage
Imágenes por conjunto de datos	1,000,000
Horas de entrenamiento	No hay límite por modelo

Próximos pasos

• Aprende a entrenar un modelo de etiquetado de imágenes.
• Descubre cómo entrenar un modelo de detección de objetos.