AutoML Vision Edge

AutoML Vision Edge

AutoML Vision Edge で、独自のトレーニング データからカスタム画像分類モデルを作成します。

画像コンテンツを認識する必要がある場合は、ML Kit のオンデバイスの Image Labeling API またはオンデバイスの Object Detection API を使用できます。 これらの API が使用するモデルは、汎用的な使用のために構築されており、写真で最も一般的に見られるコンセプトを認識するようにトレーニングされています。

花や食物の種類を区別するためのモデルなど、より狭い範囲のコンセプトに詳細に対応する、特殊化された画像ラベル付けモデルやオブジェクト検出モデルが必要な場合は、Firebase ML と AutoML Vision Edge を使用して独自の画像とカテゴリでモデルをトレーニングできます。カスタムモデルは Google Cloud でトレーニングされ、準備ができたモデルはデバイス上で完全に動作します。

Firebase ML の AutoML Vision Edge 機能は非推奨になりました。Vertex AI を使用して ML モデルを自動でトレーニングすることを検討してください。この ML モデルは、TensorFlow Lite モデルとしてエクスポートしてデバイス上で使用することもでき、クラウドベースの推論用としてデプロイすることもできます。

画像のラベル付けを使ってみる オブジェクト検出を使ってみる

主な機能

データに基づいてモデルをトレーニングする	トレーニング データを使用して、対象のラベルを認識するようにカスタムの画像ラベル付けモデルとオブジェクト検出モデルを自動的にトレーニングします。
組み込みのモデル ホスティング	モデルを Firebase にホストし、ランタイムに読み込みます。Firebase でモデルをホストすることで、新しいアプリ バージョンをリリースすることなく、ユーザーに最新のモデルを提供できます。 モデルをアプリにバンドルすれば、インストール後すぐに利用できます。

クラウドでの AutoML モデルの実行

このページでは、デバイスで実行することを前提としたモバイル用に最適化されたモデルの生成についてのみ説明します。モデルのラベル数が非常に多い場合や、非常に高い精度が求められる場合は、サーバー用に最適化されたクラウド上のモデルが必要になることがあります。この場合、Cloud AutoML Vision API を直接呼び出します。オンライン予測の作成をご覧ください。

デバイスで AutoML Vision Edge モデルを実行する場合と異なり、クラウドベースの AutoML モデルは、呼び出しごとに課金されます。

実装パス

	トレーニング データを収集する	モデルに認識させるラベルのサンプルを含むデータセットをまとめます。
	新しいモデルをトレーニングする	Google Cloud コンソールでトレーニング データをインポートし、このデータを使用して新しいモデルをトレーニングします。
	アプリでモデルを使用する	モデルをアプリにバンドルするか、必要に応じて Firebase からダウンロードします。デバイスでモデルを使用し、画像のラベル付けを行います。

料金と上限

AutoML Vision Edge でカスタムモデルをトレーニングするには、従量課金制（Blaze）プランを利用している必要があります。

重要: Spark プランでは、AutoML Vision Edge を使用してモデルをトレーニングすることができなくなりました。以前に Spark プランでモデルをトレーニングしたことがある場合、トレーニング データとトレーニング済みモデルは、引き続き Firebase コンソールで読み取り専用モードでアクセスできます。これらのデータを保持しておきたい場合は、2021 年 2 月末までにダウンロードしてください。

データセット	Cloud Storage の料金に基づいて課金
データセット 1 つあたりの画像数	1,000,000
トレーニング時間	モデルあたりの制限はなし

次のステップ

• 画像ラベル付けモデルのトレーニング方法を学習する。
• オブジェクト検出モデルのトレーニング方法を学習する。