AutoML Vision Edge

AutoML Vision Edge

Создавайте пользовательские модели классификации изображений на основе собственных обучающих данных с помощью AutoML Vision Edge.

Если вы хотите распознать содержимое изображения, одним из вариантов является использование API маркировки изображений ML Kit на устройстве или API обнаружения объектов на устройстве . Модели, используемые этими API, созданы для общего использования и обучены распознавать наиболее часто встречающиеся концепции на фотографиях.

Если вам нужна более специализированная модель маркировки изображений или обнаружения объектов, более подробно охватывающая более узкую область концепций — например, модель для различения видов цветов или типов продуктов питания — вы можете использовать Firebase ML и AutoML Vision Edge для обучения модель с вашими собственными изображениями и категориями. Пользовательская модель обучается в Google Cloud, и как только модель будет готова, она будет полностью использоваться на устройстве.

Функции Firebase ML AutoML Vision Edge устарели. Рассмотрите возможность использования Vertex AI для автоматического обучения моделей машинного обучения, которые можно либо экспортировать в виде моделей TensorFlow Lite для использования на устройстве, либо развернуть для вывода в облаке .

Начните с маркировки изображений Начните с обнаружения объектов

Ключевые возможности

Обучайте модели на основе ваших данных	Автоматически обучайте пользовательские модели маркировки изображений и обнаружения объектов, чтобы они распознавали нужные вам метки, используя данные обучения.
Встроенный хостинг моделей	Разместите свои модели с помощью Firebase и загрузите их во время выполнения. Разместив модель в Firebase, вы можете быть уверены, что у пользователей будет самая последняя модель, не выпуская новую версию приложения. И, конечно же, вы также можете связать модель со своим приложением, чтобы она была доступна сразу после установки.

Запуск моделей AutoML в облаке

На этих страницах обсуждается только создание моделей, оптимизированных для мобильных устройств, предназначенных для работы на устройстве. Однако для моделей со многими тысячами меток или когда требуется значительно более высокая точность, вы можете вместо этого запустить модель, оптимизированную для сервера, в облаке, что можно сделать, напрямую вызвав API-интерфейсы Cloud AutoML Vision. См. Создание онлайн-прогноза .

Обратите внимание, что в отличие от запуска моделей AutoML Vision Edge на устройстве, за использование облачной модели AutoML взимается плата за каждый вызов.

Путь реализации

	Соберите обучающие данные	Соберите набор данных примеров каждой метки, которую вы хотите, чтобы ваша модель распознавала.
	Обучить новую модель	В Google Cloud Console импортируйте данные обучения и используйте их для обучения новой модели.
	Используйте модель в своем приложении	Свяжите модель со своим приложением или загрузите ее из Firebase, когда это необходимо. Затем используйте модель для маркировки изображений на устройстве.

Цены и ограничения

Чтобы обучать пользовательские модели с помощью AutoML Vision Edge, вы должны использовать план с оплатой по мере использования (Blaze).

Важно! Вы больше не можете обучать модели с помощью AutoML Vision Edge в рамках плана Spark. Если вы ранее обучали модели в рамках плана Spark, ваши обучающие данные и обученные модели по-прежнему доступны из консоли Firebase в режиме только для чтения. Если вы хотите сохранить эти данные, загрузите их до 1 марта 2021 года.

Наборы данных	Оплачивается согласно тарифам Cloud Storage
Изображения на набор данных	1 000 000
Часы обучения	Нет ограничений на модель

Следующие шаги

• Узнайте, как обучить модель маркировки изображений .
• Узнайте, как обучить модель обнаружения объектов .