AutoML Vision Edge
    
    
    
    
  สร้างโมเดลการจัดประเภทรูปภาพแบบกำหนดเองจากข้อมูลการฝึกของคุณเองด้วย AutoML Vision Edge

หากต้องการจดจำเนื้อหาของรูปภาพ ตัวเลือกหนึ่งคือการใช้ผลิตภัณฑ์ ML Kit API การติดป้ายกำกับรูปภาพในอุปกรณ์ หรือ API การตรวจจับออบเจ็กต์ในอุปกรณ์ โมเดลที่ API เหล่านี้ใช้สร้างขึ้นเพื่อการใช้งานทั่วไปและได้รับการฝึก เพื่อจดจำแนวคิดที่พบบ่อยที่สุดในรูปภาพ
หากต้องการโมเดลการติดป้ายกำกับรูปภาพหรือโมเดลการตรวจจับวัตถุที่เฉพาะเจาะจงมากขึ้นซึ่งครอบคลุมโดเมนที่แคบลง ของแนวคิดอย่างละเอียดมากขึ้น ตัวอย่างเช่น โมเดลการจำแนกระหว่าง สายพันธุ์ดอกไม้หรืออาหารประเภทต่างๆ คุณใช้ Firebase ML และ AutoML ได้ Vision Edge เพื่อฝึกโมเดลด้วยรูปภาพและหมวดหมู่ของคุณเอง บรรทัดที่กำหนดเอง โมเดลจะได้รับการฝึกใน Google Cloud และเมื่อโมเดลพร้อมใช้งาน ระบบจะนําโมเดลไปใช้อย่างเต็มรูปแบบ ในอุปกรณ์
เริ่มต้นใช้งานการติดป้ายกำกับรูปภาพ เริ่มต้นใช้งานการตรวจจับวัตถุ
ความสามารถที่สำคัญ
| ฝึกโมเดลโดยอิงตามข้อมูลของคุณ | 
     ฝึกการติดป้ายกำกับรูปภาพที่กำหนดเองและโมเดลการตรวจจับวัตถุโดยอัตโนมัติ จดจำป้ายกำกับที่คุณสนใจโดยใช้ข้อมูลการฝึกของคุณ  | 
| การโฮสต์โมเดลในตัว | 
     โฮสต์โมเดลของคุณด้วย Firebase และโหลดโมเดลเหล่านั้นเมื่อรันไทม์ โดย ใน Firebase แล้ว คุณมั่นใจได้เลยว่าผู้ใช้มี โดยไม่เผยแพร่แอปเวอร์ชันใหม่ และแน่นอนว่าคุณสามารถรวมโมเดลเข้ากับแอปได้เพื่อให้ ทันทีที่ติดตั้ง  | 
เส้นทางการใช้งาน
| รวบรวมข้อมูลการฝึก | รวบรวมชุดข้อมูลของตัวอย่างป้ายกำกับแต่ละรายการที่ต้องการให้โมเดล จดจำ | |
| ฝึกโมเดลใหม่ | ในคอนโซล Google Cloud ให้นำเข้าข้อมูลการฝึกและนำไปใช้เพื่อฝึก โมเดลใหม่ | |
| ใช้โมเดลในแอป | รวมโมเดลกับแอปหรือดาวน์โหลดจาก Firebase เมื่อ ที่จำเป็น จากนั้นใช้โมเดลเพื่อติดป้ายกำกับรูปภาพในอุปกรณ์ | 
ราคาและ จำกัดสูงสุด
หากต้องการฝึกโมเดลที่กำหนดเองด้วย AutoML Vision Edge คุณจะต้องชำระเงินตามการใช้งานจริง (Blaze)
| ชุดข้อมูล | เรียกเก็บเงินตาม อัตราของ Cloud Storage | 
|---|---|
| รูปภาพต่อชุดข้อมูล | 1,000,000 | 
| ชั่วโมงการฝึก | ไม่มีขีดจำกัดต่อรุ่น | 
ขั้นตอนถัดไป
- ดูวิธีฝึกโมเดลการติดป้ายกำกับรูปภาพ
 - ดูวิธีฝึกโมเดลการตรวจจับวัตถุ