Koleksiyonlar ile düzeninizi koruyun
İçeriği tercihlerinize göre kaydedin ve kategorilere ayırın.
AutoML Vision Edge
plat_iosplat_android
AutoML Vision Edge ile kendi eğitim verilerinizden özel görüntü sınıflandırma modelleri oluşturun.
Bir görüntünün içeriklerini tanımak istiyorsanız ML Kit'in özelliklerinden biri de
cihaz üzerinde görüntü etiketleme API'si
veya cihaz üzerinde nesne algılama API'si kullanabilirsiniz.
Bu API'ler tarafından kullanılan modeller, genel amaçlı kullanım için oluşturulmuştur ve eğitilir.
fotoğraflarda en sık bulunan kavramları öğrenin.
Daha dar bir alanı kapsayan daha özel bir görüntü etiketleme veya nesne algılama modeline ihtiyacınız varsa
daha ayrıntılı bir şekilde ele alacağız (örneğin, iki ve üç arasındaki
çiçek türleri veya yiyecek türleri için Firebase ML ve AutoML kullanabilirsiniz
Vision Edge'i kullanarak bir modeli kendi resimleriniz ve kategorilerinizle eğitin. Özel
model Google Cloud ürününde eğitilir ve model hazır olduğunda tamamen kullanılır
cihaz üzerinde.
Özel görüntü etiketleme ve nesne algılama modellerini
eğitim verilerinizi kullanarak sizin için önemli olan etiketleri tanımanızı sağlar.
Yerleşik model barındırma
Modellerinizi Firebase'de barındırın ve çalışma zamanında yükleyin. Ölçüt
modeli Firebase'de barındırıyorsanız, kullanıcıların en güncel bilgilere sahip olduğundan
modeliniz vardır.
Tabii ki modeli uygulamanızla paket haline de getirebilirsiniz. Böylece
anında kullanılabilir hale gelir.
Uygulama yolu
Eğitim verilerini derleme
Modelinizin bilmesini istediğiniz her etiketin örneklerinden oluşan bir veri kümesi oluşturun
tanıyalım.
Yeni model eğit
Google Cloud konsolunda eğitim verilerinizi içe aktarın ve eğitmek için kullanın
benimsetme sürecidir.
Modeli uygulamanızda kullanma
Aşağıdaki durumlarda modeli uygulamanızla birlikte paketleyin veya Firebase'den indirin:
gerekir. Ardından, modeli kullanarak cihazdaki resimleri etiketleyin.
Fiyatlandırma ve Sınırlar
AutoML Vision Edge ile özel modeller eğitmek için kullandıkça ödeme yöntemini kullanmanız gerekir.
(Blaze) planı.
[null,null,["Son güncelleme tarihi: 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)."]]
