Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
AutoML Vision Edge
plat_iosplat_android
Mit AutoML Vision Edge benutzerdefinierte Modelle zur Bildklassifizierung aus Ihren eigenen Trainingsdaten erstellen
Wenn Sie den Inhalt eines Bildes erkennen möchten, können Sie die On-Device Image Labeling API oder die On-Device Object Detection API von ML Kit verwenden.
Die von diesen APIs verwendeten Modelle sind für allgemeine Zwecke gedacht und werden trainiert
die gängigsten Konzepte in Fotos zu erkennen.
Wenn Sie ein spezielleres Bildbeschriftungs- oder Objekterkennungsmodell benötigen, das einen enger gefassten Bereich abdeckt
Konzepte genauer an, z. B. ein Modell, um zwischen
Blumen- oder Lebensmittelarten – Sie können Firebase ML und AutoML verwenden.
Vision Edge zum Trainieren eines Modells mit eigenen Bildern und Kategorien Der benutzerdefinierte
wird in Google Cloud trainiert und sobald das Modell bereit ist, vollständig verwendet
auf dem Gerät.
Benutzerdefinierte Modelle für Bildbeschriftungen und Objekterkennung automatisch trainieren, um
die Ihnen wichtig sind, anhand Ihrer Trainingsdaten zu erkennen.
Integriertes Modellhosting
Hosten Sie Ihre Modelle mit Firebase und laden Sie sie während der Laufzeit. Von
Wenn Sie das Modell auf Firebase hosten, können Sie dafür sorgen, dass Nutzer
ohne eine neue App-Version zu veröffentlichen.
Natürlich können Sie das Modell auch mit Ihrer App bündeln,
sofort nach der Installation verfügbar.
Vorgehensweise bei der Implementierung
Trainingsdaten zusammenstellen
Erstellen Sie ein Dataset mit Beispielen für jedes Label, das Ihr Modell verwenden soll.
erkennen.
Neues Modell trainieren
Importieren Sie Ihre Trainingsdaten in die Google Cloud-Konsole und verwenden Sie sie zum Trainieren
ein neues Modell erstellen.
Modell in Ihrer App verwenden
Bündeln Sie das Modell mit Ihrer App oder laden Sie es von Firebase herunter, wenn
dass es benötigt wird. Verwenden Sie dann das Modell, um den Bildern auf dem Gerät Labels hinzuzufügen.
Preise und Beschränkungen
Zum Trainieren benutzerdefinierter Modelle mit AutoML Vision Edge müssen Sie „Pay as you go“ verwenden
(Blaze).
[null,null,["Zuletzt aktualisiert: 2025-07-25 (UTC)."],[],[],null,["AutoML Vision Edge \nplat_ios plat_android \nCreate custom image classification models from your own training data with AutoML Vision Edge.\n\nIf you want to recognize contents of an image, one option is to use ML Kit's\n[on-device image labeling API](https://developers.google.com/ml-kit/vision/image-labeling)\nor [on-device object detection API](https://developers.google.com/ml-kit/vision/object-detection).\nThe models used by these APIs are built for general-purpose use, and are trained\nto recognize the most commonly-found concepts in photos.\n\nIf you need a more specialized image labeling or object detection model, covering a narrower domain\nof concepts in more detail---for example, a model to distinguish between\nspecies of flowers or types of food---you can use Firebase ML and AutoML\nVision Edge to train a model with your own images and categories. The custom\nmodel is trained in Google Cloud, and once the model is ready, it's used fully\non the device.\n| Firebase ML's AutoML Vision Edge features are deprecated. Consider using [Vertex AI](https://cloud.google.com/vertex-ai/docs/beginner/beginners-guide) to automatically train ML models, which you can either [export as TensorFlow\n| Lite models](https://cloud.google.com/vertex-ai/docs/export/export-edge-model) for on-device use or [deploy for cloud-based\n| inference](https://cloud.google.com/vertex-ai/docs/predictions/overview).\n\n[Get started with image labeling](/docs/ml/ios/train-image-labeler)\n[Get started with object detection](/docs/ml/android/train-object-detector)\n\nKey capabilities\n\n|---------------------------------|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| Train models based on your data | Automatically train custom image labeling and object detection models to recognize the labels you care about, using your training data. |\n| Built-in model hosting | Host your models with Firebase, and load them at run time. By hosting the model on Firebase, you can make sure users have the latest model without releasing a new app version. And, of course, you can also bundle the model with your app, so it's immediately available on install. |\n\n| **Running AutoML models in the cloud**\n|\n| These pages only discuss generating mobile-optimized models intended to run\n| on the device. However, for models with many thousands of labels or when\n| significantly higher accuracy is required, you might want to run a\n| server-optimized model in the cloud instead, which you can do by calling the\n| Cloud AutoML Vision APIs directly. See\n| [Making an\n| online prediction](https://cloud.google.com/vision/automl/docs/predict).\n|\n| Note that unlike running AutoML Vision Edge models on device, running a\n| cloud-based AutoML model is billed per invocation.\n\nImplementation path\n\n|---|---------------------------|----------------------------------------------------------------------------------------------------------------------------------|\n| | Assemble training data | Put together a dataset of examples of each label you want your model to recognize. |\n| | Train a new model | In the Google Cloud console, import your training data and use it to train a new model. |\n| | Use the model in your app | Bundle the model with your app or download it from Firebase when it's needed. Then, use the model to label images on the device. |\n\nPricing \\& Limits\n\nTo train custom models with AutoML Vision Edge, you must be on the pay-as-you-go\n(Blaze) plan.\n| **Important:** You can no longer train models with AutoML Vision Edge while on the Spark plan. If you previously trained models while on the Spark plan, your training data and trained models are still accessible from the Firebase console in read-only mode. If you want to keep this data download it before March 1, 2021.\n\n| Datasets | Billed according to [Cloud Storage rates](https://cloud.google.com/storage/pricing) |\n| Images per dataset | 1,000,000 |\n| Training hours | No per-model limit |\n|--------------------|-------------------------------------------------------------------------------------|\n\nNext steps\n\n- Learn how to [train an image labeling model](/docs/ml/train-image-labeler).\n- Learn how to [train an object detection model](/docs/ml/train-object-detector)."]]
