Google 致力于为黑人社区推动种族平等。查看具体举措
此页面由 Cloud Translation API 翻译。
Switch to English

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进行训练具有您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。

图像标签入门物体检测入门

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控制台中,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

下一步