AutoML Vision Edge

AutoML Vision Edge

Crie modelos de classificação de imagem personalizados usando seus próprios dados de treinamento com o AutoML Vision Edge.

Se você quiser reconhecer o conteúdo de uma imagem, uma opção é usar a API de rotulagem de imagens no dispositivo ou de detecção de objetos no dispositivo do Kit de ML. Os modelos usados por essas APIs foram criados para uso geral e são treinados para reconhecer os conceitos mais encontrados em fotos.

Se for necessário um modelo de rotulagem de imagens ou detecção de objetos mais especializado, que cubra um domínio de conceitos mais específico (por exemplo, um modelo para distinguir entre espécies de flores ou tipos de alimentos), é possível usar o Firebase ML e o AutoML Vision Edge para treinar um modelo com suas próprias imagens e categorias. O modelo personalizado é treinado no Google Cloud e, assim que estiver pronto, será usado totalmente no dispositivo.

Os recursos do AutoML Vision Edge para o Firebase ML foram descontinuados. Use a Vertex AI para treinar automaticamente modelos de ML que podem ser exportados como modelos do TensorFlow Lite para uso no dispositivo ou implantação para inferência baseada na nuvem.

Introdução à rotulagem de imagens Introdução à detecção de objetos

Principais recursos

Treinamento de modelos com base nos dados	Treine automaticamente modelos de rotulagem de imagens e de objetos personalizados para reconhecer os rótulos importantes para você usando seus dados de treinamento.
Hospedagem de modelo embutida	Hospede seus modelos com o Firebase e carregue-os no ambiente de execução. Ao hospedar o modelo no Firebase, é possível garantir que os usuários tenham o modelo mais recente sem lançar uma nova versão do app. Também é possível agrupar o modelo com o aplicativo, para que ele esteja imediatamente disponível na instalação.

Como executar modelos AutoML na nuvem

Estas páginas abordam apenas a geração de modelos otimizados para dispositivos móveis destinados a serem executados no dispositivo. No entanto, para modelos com inúmeros rótulos ou quando uma precisão significativamente maior é necessária, recomendamos que você execute um modelo otimizado para servidor na nuvem, o que pode ser feito ao chamar as APIs Cloud AutoML Vision diretamente. Consulte Como fazer uma previsão on-line.

Observe que, ao contrário dos modelos AutoML Vision Edge no dispositivo, a execução de um modelo AutoML baseado em nuvem é cobrada por chamada.

Caminho de implementação

	Montar dados de treinamento	Reúna um conjunto de dados de exemplos de cada rótulo que você quer que o modelo reconheça.
	Treinar um novo modelo	No Console do Google Cloud, importe os dados de treinamento e use-os para treinar um novo modelo.
	Uso do modelo no app	Agrupe o modelo com o app ou faça o download dele quando for necessário. Em seguida, use o modelo para rotular imagens no dispositivo.

Preços e limites

Para treinar modelos personalizados com o AutoML Vision Edge, é preciso estar no plano de pagamento por utilização (Blaze).

Importante: não é mais possível treinar modelos com o AutoML Vision Edge enquanto estiver no plano Spark. Se você treinou modelos anteriormente no plano Spark, seus dados de treinamento e modelos treinados ainda poderão ser acessados no Console do Firebase no modo somente leitura. Se você quiser manter esses dados, faça o download deles antes de 1º de março de 2021.

Conjuntos de dados	Faturado de acordo com as taxas do Cloud Storage
Imagens por conjunto de dados	1.000.000
Horas de treinamento	Nenhum limite por modelo

Próximas etapas

• Saiba como treinar um modelo de rotulagem de imagens.
• Saiba como treinar um modelo de detecção de objetos.