AutoML视觉边缘
使用AutoML Vision Edge从您自己的训练数据创建自定义图像分类模型。
如果要识别图像的内容,一种选择是使用ML Kit的设备上图像标签API或设备上对象检测API 。这些API使用的模型是为通用目的而构建的,并且经过训练可以识别照片中最常见的概念。
如果您需要更专业的图像标签或对象检测模型,更详细地涵盖狭窄的概念域(例如,用于区分花朵或食物类型的模型),则可以使用Firebase ML和AutoML Vision Edge进行训练具有自己的图像和类别的模型。自定义模型在Google Cloud中进行了训练,一旦模型准备就绪,它将在设备上完全使用。
关键能力
根据您的数据训练模型 | 使用训练数据自动训练自定义图像标签和对象检测模型,以识别您关心的标签。 |
内置模型托管 | 使用Firebase托管模型,并在运行时加载它们。通过将模型托管在Firebase上,您可以确保用户拥有最新模型,而无需发布新的应用程序版本。 而且,当然,您也可以将模型与应用程序捆绑在一起,因此安装后即可立即使用。 |
实施路径
汇总训练数据 | 将您希望模型识别的每个标签的示例数据集放在一起。 | |
训练新模型 | 在Google Cloud Console中,导入您的训练数据并使用它来训练新模型。 | |
在您的应用中使用模型 | 将模型与您的应用程序捆绑在一起,或在需要时从Firebase下载。然后,使用模型在设备上标记图像。 |
定价与限制
要使用AutoML Vision Edge训练自定义模型,您必须采用即付即用(Blaze)计划。
数据集 | 根据云存储费率计费 |
---|---|
每个数据集的图像 | 1,000,000 |
培训时间 | 没有每个型号的限制 |