AutoML 비전 에지

AutoML 비전 에지

AutoML Vision Edge를 사용하여 자체 교육 데이터에서 사용자 지정 이미지 분류 모델을 만듭니다.

이미지의 콘텐츠를 인식하려는 경우 한 가지 옵션은 ML Kit의 온디바이스 이미지 라벨링 API 또는 온디바이스 개체 감지 API를 사용하는 것 입니다. 이러한 API에서 사용하는 모델은 범용으로 제작되었으며 사진에서 가장 일반적으로 발견되는 개념을 인식하도록 훈련되었습니다.

꽃의 종류나 음식의 종류를 구분하는 모델과 같이 더 좁은 범위의 개념을 더 자세히 다루는 보다 전문화된 이미지 라벨 지정 또는 객체 감지 모델이 필요한 경우 Firebase ML 및 AutoML Vision Edge를 사용하여 교육할 수 있습니다. 나만의 이미지와 카테고리가 있는 모델. 커스텀 모델은 Google Cloud에서 학습되며 모델이 준비되면 기기에서 완전히 사용됩니다.

Firebase ML의 AutoML Vision Edge 기능은 더 이상 사용되지 않습니다. 기기에서 사용하기 위해 TensorFlow Lite 모델로 내보내 거나 클라우드 기반 추론을 위해 배포 할 수 있는 ML 모델을 자동으로 교육하기 위해 Vertex AI 를 사용하는 것을 고려하십시오.

이미지 레이블 지정 시작하기 개체 감지 시작하기

주요 기능

데이터를 기반으로 모델 학습	학습 데이터를 사용하여 관심 있는 레이블을 인식하도록 사용자 지정 이미지 레이블 지정 및 개체 감지 모델을 자동으로 학습시킵니다.
기본 제공 모델 호스팅	Firebase로 모델을 호스팅하고 런타임에 로드하세요. Firebase에서 모델을 호스팅하면 새 앱 버전을 출시하지 않고도 사용자가 최신 모델을 사용할 수 있습니다. 물론 모델을 앱과 함께 번들로 제공할 수도 있으므로 설치 시 즉시 사용할 수 있습니다.

클라우드에서 AutoML 모델 실행

이 페이지에서는 장치에서 실행되도록 모바일에 최적화된 모델 생성에 대해서만 설명합니다. 그러나 수천 개의 레이블이 있는 모델의 경우 또는 훨씬 더 높은 정확도가 필요한 경우 Cloud AutoML Vision API를 직접 호출하여 클라우드에서 서버 최적화 모델을 대신 실행할 수 있습니다. 온라인 예측 만들기를 참조하십시오.

기기에서 AutoML Vision Edge 모델을 실행하는 것과 달리 클라우드 기반 AutoML 모델 실행은 호출당 비용이 청구됩니다.

구현 경로

	교육 데이터 수집	모델에서 인식할 각 라벨의 예시 데이터세트를 모으세요.
	새 모델 학습	Google Cloud Console에서 훈련 데이터를 가져와 새 모델을 훈련하는 데 사용합니다.
	앱에서 모델 사용	모델을 앱과 함께 번들로 묶거나 필요할 때 Firebase에서 다운로드하세요. 그런 다음 모델을 사용하여 기기의 이미지에 라벨을 지정합니다.

가격 및 한도

AutoML Vision Edge로 커스텀 모델을 학습시키려면 종량제(Blaze) 요금제를 사용해야 합니다.

중요: Spark 요금제에서는 더 이상 AutoML Vision Edge로 모델을 교육할 수 없습니다. Spark 요금제를 사용하는 동안 이전에 모델을 교육한 경우 Firebase 콘솔에서 읽기 전용 모드로 교육 데이터와 교육된 모델에 계속 액세스할 수 있습니다. 이 데이터를 유지하려면 2021년 3월 1일 이전에 다운로드하세요.

데이터 세트	Cloud Storage 요율 에 따라 청구됨
데이터 세트당 이미지	1,000,000
교육 시간	모델별 제한 없음

다음 단계

• 이미지 레이블 지정 모델을 훈련하는 방법을 알아봅니다.
• 개체 감지 모델 을 학습하는 방법을 알아봅니다.