AutoML Vision Edge

AutoML Vision Edge

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。

如果你想认识的图像的内容，一个选择是使用ML Kit的设备上的图像标记API或设备上的物体检测API 。这些 API 使用的模型专为通用用途而构建，并经过训练以识别照片中最常见的概念。

如果您需要更专业的图像标记或对象检测模型，更详细地涵盖更窄的概念领域（例如，区分花卉种类或食物类型的模型），您可以使用 Firebase ML 和 AutoML Vision Edge 进行训练具有您自己的图像和类别的模型。自定义模型在 Google Cloud 中进行训练，模型准备就绪后，即可在设备上完全使用。

开始使用的图像标记开始使用对象检测

关键能力

根据您的数据训练模型	使用您的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 托管您的模型，并在运行时加载它们。通过在 Firebase 上托管模型，您可以确保用户拥有最新的模型，而无需发布新的应用版本。 而且，当然，您也可以将模型与您的应用程序捆绑在一起，以便在安装时立即可用。

在云端运行 AutoML 模型

这些页面仅讨论生成旨在在设备上运行的移动优化模型。但是，对于具有数千个标签的模型或需要显着提高准确性的模型，您可能希望改为在云中运行服务器优化模型，您可以通过直接调用 Cloud AutoML Vision API 来实现。见进行在线预测。

请注意，与在设备上运行 AutoML Vision Edge 模型不同，运行基于云的 AutoML 模型按调用计费。

实施路径

	组装训练数据	将您希望模型识别的每个标签的示例数据集放在一起。
	训练一个新模型	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。

定价和限制

要使用 AutoML Vision Edge 训练自定义模型，您必须采用即用即付 (Blaze) 计划。

重要提示：您可以不再训练与AutoML视觉边缘车型，而在星火计划。如果您之前在 Spark 计划中训练过模型，您的训练数据和训练过的模型仍可从 Firebase 控制台以只读模式访问。如果您想保留此数据，请在 2021 年 3 月 1 日之前下载。

数据集	根据计费云存储率
每个数据集的图像	1,000,000
培训时间	没有每个型号的限制

下一步

• 了解如何训练出的图像标记模型。
• 了解如何培养对象检测模型。