Borde de visión de AutoML

Borde de visión de AutoML

Cree modelos de clasificación de imágenes personalizados a partir de sus propios datos de entrenamiento con AutoML Vision Edge.

Si desea reconocer el contenido de una imagen, una opción es utilizar la API de etiquetado de imágenes en el dispositivo o la API de detección de objetos en el dispositivo del kit de aprendizaje automático. Los modelos utilizados por estas API están diseñados para uso general y están capacitados para reconocer los conceptos más comunes en las fotografías.

Si necesita un modelo de detección de objetos o etiquetado de imágenes más especializado, que cubra un dominio más limitado de conceptos con más detalle (por ejemplo, un modelo para distinguir entre especies de flores o tipos de alimentos), puede 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 utiliza por completo en el dispositivo.

Las funciones de AutoML Vision Edge de Firebase ML están obsoletas. Considere usar Vertex AI para entrenar automáticamente modelos de aprendizaje automático, que puede exportar como modelos de TensorFlow Lite para uso en el dispositivo o implementar para inferencia basada en la nube .

Comience con el etiquetado de imágenes Comience con la detección de objetos

Capacidades clave

Entrene modelos basados ​​en sus datos	Entrene automáticamente modelos de detección de objetos y etiquetado de imágenes personalizados para reconocer las etiquetas que le interesan, utilizando sus datos de entrenamiento.
Alojamiento de modelos integrado	Aloja tus modelos con Firebase y cárgalos en tiempo de ejecución. Al alojar el modelo en Firebase, puedes asegurarte de que los usuarios tengan el modelo más reciente sin lanzar una nueva versión de la aplicación. Y, por supuesto, también puede combinar el modelo con su aplicación, de modo que esté disponible inmediatamente después de la instalación.

Ejecutar modelos de AutoML en la nube

Estas páginas solo tratan sobre la generación de modelos optimizados para dispositivos móviles destinados a ejecutarse en el dispositivo. Sin embargo, para modelos con muchos miles de etiquetas o cuando se requiere una precisión significativamente mayor, es posible que desee ejecutar un modelo optimizado para el servidor en la nube, lo que puede hacer llamando directamente a las API de Cloud AutoML Vision. Consulte Hacer una predicción en línea .

Tenga 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

	Reunir datos de entrenamiento	Reúna un conjunto de datos de ejemplos de cada etiqueta que desee que reconozca su modelo.
	Entrenar un nuevo modelo	En la consola de Google Cloud, importa tus datos de entrenamiento y úsalos para entrenar un nuevo modelo.
	Usa el modelo en tu aplicación	Agrupa el modelo con tu aplicación o descárgalo de Firebase cuando sea necesario. Luego, use el modelo para etiquetar imágenes en el dispositivo.

Precios y límites

Para entrenar modelos personalizados con AutoML Vision Edge, debe estar en el plan de pago por uso (Blaze).

Importante: Ya no puedes entrenar modelos con AutoML Vision Edge mientras tengas el plan Spark. Si previamente entrenó modelos mientras estaba en el plan Spark, sus datos de entrenamiento y sus modelos entrenados aún serán accesibles desde Firebase console en modo de solo lectura. Si quieres conservar estos datos descárgalos antes del 1 de marzo de 2021.

Conjuntos de datos	Facturado según tarifas de Cloud Storage
Imágenes por conjunto de datos	1.000.000
Horas de formación	Sin límite por modelo

Próximos pasos

• Aprenda a entrenar un modelo de etiquetado de imágenes .
• Aprenda a entrenar un modelo de detección de objetos .