AutoML Vision Edge

AutoML Vision Edge

Crea modelli di classificazione delle immagini personalizzati dai tuoi dati di addestramento con AutoML Vision Edge.

Se vuoi riconoscere i contenuti di un'immagine, una soluzione è utilizzare l'API di etichettatura delle immagini on-device o l'API di rilevamento di oggetti on-device di ML Kit. I modelli utilizzati da queste API sono creati per un uso generico e sono addestrati per riconoscere i concetti più comuni nelle foto.

Se hai bisogno di un modello di etichettatura delle immagini o di rilevamento degli oggetti più specializzato, che copra un dominio più ristretto di concetti in modo più dettagliato, ad esempio, un modello per distinguere specie di fiori o tipi di alimenti, puoi utilizzare Firebase ML e AutoML Vision Edge per addestrare un modello con le tue immagini e categorie. L'opzione il modello viene addestrato in Google Cloud e, una volta pronto, viene utilizzato sul dispositivo.

Le funzionalità di AutoML Vision Edge di Firebase ML sono deprecate. Valuta l'uso Vertex AI per addestrare automaticamente i modelli ML, esporta in TensorFlow Modelli Lite per l'uso sul dispositivo o eseguire il deployment di modelli un'inferenza.

Guida introduttiva all'etichettatura delle immagini Inizia a utilizzare il rilevamento degli oggetti

Funzionalità chiave

Addestra modelli in base ai tuoi dati	Addestra automaticamente modelli personalizzati di etichettatura delle immagini e rilevamento degli oggetti per riconoscere le etichette che ti interessano, utilizzando i tuoi dati di addestramento.
Hosting del modello integrato	Ospita i tuoi modelli con Firebase e caricali in fase di esecuzione. Di che ospita il modello su Firebase, puoi assicurarti che gli utenti dispongano della versione senza rilasciare una nuova versione dell'app. Naturalmente, è anche possibile integrare il modello nella propria app, immediatamente disponibili al momento dell'installazione.

Esecuzione di modelli AutoML nel cloud

Queste pagine trattano solo la generazione di modelli ottimizzati per il mobile destinati a essere eseguiti sul dispositivo. Tuttavia, per i modelli con molte migliaia di etichette o quando è necessaria una precisione notevolmente maggiore, ottimizzato per i server nel cloud, cosa che puoi fare chiamando direttamente le API Cloud AutoML Vision. Consulta Rendi la previsione online.

Tieni presente che, a differenza dell'esecuzione di modelli AutoML Vision Edge sul dispositivo, modello AutoML basato su cloud viene fatturato in base alla chiamata.

Percorso di implementazione

	Combina i dati di addestramento	Crea un set di dati di esempi per ogni etichetta da utilizzare per il modello riconoscere.
	Addestra un nuovo modello	Nella console Google Cloud, importa i dati di addestramento e utilizzali per l'addestramento un nuovo modello.
	Utilizza il modello nella tua app	Raggruppa il modello con la tua app o scaricalo da Firebase quando necessario. Poi, utilizza il modello per etichettare le immagini sul dispositivo.

Prezzi e Limiti

Per addestrare modelli personalizzati con AutoML Vision Edge, devi utilizzare il piano di pagamento per utilizzo (Blaze).

Importante: non puoi più addestrare modelli con AutoML Vision Edge mentre sei in il piano Spark. Se in precedenza hai addestrato modelli con il piano Spark, i tuoi dati di addestramento e i modelli addestrati sono ancora accessibili dalla console Firebase in modalità di sola lettura. Se vuoi conservare questi dati, scaricali prima del 1° marzo 2021.

Set di dati	Fatturazione secondo Tariffe di Cloud Storage
Immagini per set di dati	1.000.000
Ore di addestramento	Nessun limite per modello

Passaggi successivi

• Scopri come addestrare un modello di etichettatura delle immagini.
• Scopri come addestrare un modello di rilevamento degli oggetti.