AutoML Vision Edge

AutoML Vision Edge

Créez des modèles personnalisés de classification d'images à partir de vos propres données d'entraînement avec AutoML Vision Edge.

Pour reconnaître le contenu d'une image, vous pouvez utiliser ML Kit API d'étiquetage d'image sur l'appareil ou l'API de détection d'objets sur l'appareil. Les modèles utilisés par ces API sont conçus pour un usage général et sont entraînés pour reconnaître les concepts les plus courants dans les photos.

Si vous avez besoin d'un modèle d'étiquetage d'image ou de détection d'objets plus spécialisé, couvrant un domaine plus étroit de concepts, par exemple un modèle permettant de faire la distinction d'espèces de fleurs ou de types d'aliments, vous pouvez utiliser Firebase ML et AutoML Vision Edge pour entraîner un modèle avec vos propres images et catégories L'attribut personnalisé est entraîné dans Google Cloud. Une fois qu'il est prêt, il est utilisé sur l'appareil.

Les fonctionnalités AutoML Vision Edge de Firebase ML sont obsolètes. Envisagez d'utiliser Vertex AI pour pour entraîner automatiquement des modèles de ML, exporter sous forme de TensorFlow Modèles Lite pour une utilisation sur l'appareil ou pour les applications cloud l'inférence.

Premiers pas avec le libellé d'images Premiers pas avec la détection d'objets

Capacités clés

Entraîner des modèles basés sur vos données	Entraînez automatiquement des modèles d'étiquetage d'image personnalisé et de détection d'objets pour à reconnaître les étiquettes qui vous intéressent à l'aide de vos données d'entraînement.
Hébergement de modèles intégré	Hébergez vos modèles avec Firebase et chargez-les au moment de l'exécution. Par qui héberge le modèle sur Firebase, vous pouvez vous assurer que les utilisateurs disposent des dernières sans publier de nouvelle version de l'application. Bien entendu, vous pouvez également regrouper le modèle avec votre application afin qu'il soit immédiatement disponible lors de l'installation.

Exécuter des modèles AutoML dans le cloud

Ces pages ne traitent que de la génération de modèles optimisés pour les mobiles destinés à s'exécuter sur l'appareil. Toutefois, pour les modèles comportant des milliers d'étiquettes ou une plus grande précision est nécessaire, il peut être judicieux optimisé pour les serveurs dans le cloud. Pour ce faire, appelez Cloud AutoML Vision directement. Consultez la section Effectuer une prédiction en ligne.

Notez que contrairement à l'exécution de modèles AutoML Vision Edge sur l'appareil, l'exécution d'un modèle AutoML basé dans le cloud est facturée par appel.

Chemin d'accès de l'exécution

	Rassembler les données d'entraînement	Assemblez un ensemble de données contenant des exemples pour chaque étiquette que votre modèle doit appliquer reconnaître.
	Entraîner un nouveau modèle	Dans la console Google Cloud, importez vos données d'entraînement et utilisez-les pour l'entraînement un nouveau modèle.
	Utiliser le modèle dans votre application	Regroupez le modèle avec votre application ou téléchargez-le depuis Firebase lorsque si elle est nécessaire. Ensuite, utilisez le modèle pour étiqueter les images sur l'appareil.

Tarification et Limites

Pour entraîner des modèles personnalisés avec AutoML Vision Edge, vous devez utiliser le forfait à l'utilisation (Blaze).

Important :Vous ne pouvez plus entraîner de modèles avec AutoML Vision Edge Formule Spark. Si vous avez déjà entraîné des modèles avec la formule Spark, les données d'entraînement et les modèles entraînés sont toujours accessibles Console Firebase en mode lecture seule. Si vous souhaitez conserver ces données, téléchargez-les avant le 1er mars 2021.

Ensembles de données	Facturation selon les tarifs de Cloud Storage
Images par ensemble de données	1 000 000
Heures d'entraînement	Aucune limite par modèle

Étapes suivantes

• Découvrez comment entraîner un modèle d'étiquetage d'images.
• Découvrez comment entraîner un modèle de détection d'objets.