Przewodnik po migracji do ML Kit AutoML Vision Edge

Uwaga: interfejs AutoML Vision Edge Image Labeling API został wycofany. Interfejsy API modeli niestandardowych (etykietowanie obrazów oraz wykrywanie i śledzenie obiektów) obsługują modele wytrenowane przez AutoML. Ten przewodnik po migracji wyjaśnia, jak przeprowadzić migrację istniejącej implementacji AutoML Vision Edge, aby korzystać z nowego interfejsu API modeli niestandardowych.

Do interfejsów API modeli niestandardowych możesz przekazać model klasyfikacji obrazów wytrenowany przez AutoML. Możesz nadal dołączać model do aplikacji lub hostować go w konsoli Firebase jako model niestandardowy. Interfejs AutoML Image Labeling API został usunięty z ML Kit, ponieważ został w pełni zastąpiony przez interfejs Custom Model Image Labeling API.

Interfejs API	Co się zmienia?
Interfejs AutoML Vision Edge Image Labeling API	Został w pełni zastąpiony przez interfejs Custom Model Image Labeling API. Istniejący interfejs AutoML Vision Edge Image Labeling API został usunięty.

Jeśli obecnie korzystasz z ML Kit i interfejsu AutoML Vision Edge API, postępuj zgodnie z instrukcjami migracji na Androida i iOS.

Najczęstsze pytania

Dlaczego wprowadzamy tę zmianę?

Ułatwia to uproszczenie interfejsów ML Kit API i ułatwia integrację ML Kit z aplikacją. Dzięki tej zmianie możesz używać modelu wytrenowanego przez AutoML w taki sam sposób jak modelu niestandardowego. Umożliwia to też używanie modeli wytrenowanych przez AutoML do wykrywania i śledzenia obiektów oraz do etykietowania obrazów, które obecnie obsługujemy. Ponadto interfejs API modeli niestandardowych obsługuje zarówno modele z mapą etykiet osadzoną w metadanych, jak i modele z oddzielnymi plikami manifestu i etykiet.

Jakie korzyści przyniesie mi migracja do nowego pakietu SDK?

• Nowe funkcje: możliwość używania modeli wytrenowanych przez AutoML do etykietowania obrazów oraz wykrywania i śledzenia obiektów, a także możliwość używania modeli z mapą etykiet osadzoną w metadanych.

Przewodnik po migracji na Androida

Krok 1. Zaktualizuj importy Gradle

Zaktualizuj zależności bibliotek ML Kit na Androida w pliku Gradle modułu (na poziomie aplikacji) (zwykle app/build.gradle) zgodnie z tą tabelą:

Funkcja	Stare artefakty	Nowy artefakt
Etykietowanie obrazów AutoML bez pobierania modelu zdalnego	com.google.mlkit:image-labeling-automl:16.2.1	com.google.mlkit:image-labeling-custom:16.0.0-beta5
Etykietowanie obrazów AutoML z pobieraniem modelu zdalnego	com.google.mlkit:image-labeling-automl:16.2.1 com.google.mlkit:linkfirebase:16.0.1	com.google.mlkit:image-labeling-custom:16.0.0-beta5 com.google.mlkit:linkfirebase:17.0.0

Krok 2. Zaktualizuj nazwy klas

Jeśli Twoja klasa znajduje się w tej tabeli, wprowadź wskazaną zmianę:

Stara klasa	Nowe zajęcia
com.google.mlkit.vision.label.automl.AutoMLImageLabelerLocalModel	com.google.mlkit.common.model.LocalModel
com.google.mlkit.vision.label.automl.AutoMLImageLabelerRemoteModel	com.google.mlkit.common.model.CustomRemoteModel
com.google.mlkit.vision.label.automl.AutoMLImageLabelerOptions	com.google.mlkit.vision.label.custom.CustomImageLabelerOptions

Uwaga: wcześniej w przypadku AutoMLImageLabelerOptions, jeśli nie ustawiono confidenceThreshold, używana będzie domyślna wartość progowa ufności 0.5. Teraz w przypadku CustomImageLabelerOptions, jeśli nie ustawiono confidenceThreshold, używana jest wartość progowa ufności zawarta w metadanych modelu, jeśli jest dostępna. Jeśli nie istnieje, używana jest wartość 0.0.

Krok 3. Zaktualizuj nazwy metod

W kodzie trzeba wprowadzić minimalne zmiany:

• Klasę LocalModel można teraz zainicjować za pomocą ścieżki do pliku modelu (jeśli model ma metadane zawierające mapę etykiet) lub ścieżki do pliku manifestu modelu (jeśli manifest, model i etykiety znajdują się w osobnych plikach).
• Model niestandardowy możesz hostować zdalnie za pomocą konsoli Firebase i zainicjować CustomRemoteModel za pomocą FirebaseModelSource.

Oto kilka przykładów starych i nowych metod w Kotlinie:

Stary

val localModel = AutoMLImageLabelerLocalModel.Builder()
    .setAssetFilePath("automl/manifest.json")
    // or .setAbsoluteFilePath(absolute file path to manifest file)
    .build()

val optionsWithLocalModel = AutoMLImageLabelerOptions.Builder(localModel)
    .setConfidenceThreshold(0.5f)
    .build()

val remoteModel = AutoMLImageLabelerRemoteModel.Builder("automl_remote_model")
    .build()

val optionsWithRemoteModel = AutoMLImageLabelerOptions.Builder(remoteModel)
    .build()

Nowy

val localModel = LocalModel.Builder()
    .setAssetManifestFilePath("automl/manifest.json")
    // or .setAbsoluteManifestFilePath(absolute file path to manifest file)
    .build()

val optionsWithLocalModel = CustomImageLabelerOptions.Builder(localModel)
    .setConfidenceThreshold(0.5f)
    .build()

val firebaseModelSource = FirebaseModelSource.Builder("automl_remote_model")
    .build()
val remoteModel = CustomRemoteModel.Builder(firebaseModelSource).build()
val optionsWithRemoteModel = CustomImageLabelerOptions.Builder(remoteModel)
    .build()

Oto kilka przykładów starych i nowych metod w Javie:

Stary

AutoMLImageLabelerLocalModel localModel =
    new AutoMLImageLabelerLocalModel.Builder()
        .setAssetFilePath("automl/manifest.json")
        // or .setAbsoluteFilePath(absolute file path to manifest file)
        .build();
AutoMLImageLabelerOptions optionsWithLocalModel =
    new AutoMLImageLabelerOptions.Builder(localModel)
        .setConfidenceThreshold(0.5f)
        .build();
AutoMLImageLabelerRemoteModel remoteModel =
    new AutoMLImageLabelerRemoteModel.Builder("automl_remote_model").build();
AutoMLImageLabelerOptions optionsWithRemoteModel =
    new AutoMLImageLabelerOptions.Builder(remoteModel)
        .build();

Nowy

LocalModel localModel =
    new LocalModel.Builder()
        .setAssetManifestFilePath("automl/manifest.json")
        // or .setAbsoluteManifestFilePath(absolute file path to manifest file)
        .build()
CustomImageLabelerOptions optionsWithLocalModel =
    new CustomImageLabelerOptions.Builder(localModel)
        .setConfidenceThreshold(0.5f)
        .build();
FirebaseModelSource firebaseModelSource =
    new FirebaseModelSource.Builder("automl_remote_model").build();
CustomRemoteModel remoteModel =
    new CustomRemoteModel.Builder(firebaseModelSource).build();
CustomImageLabelerOptions optionsWithRemoteModel =
    new CustomImageLabelerOptions.Builder(remoteModel).build();

Przewodnik po migracji na iOS

Wymagania wstępne

• Wymagany jest Xcode w wersji 13.2.1 lub nowszej.

Krok 1. Zaktualizuj Cocoapods

Zaktualizuj zależności cocoapods ML Kit na iOS w pliku Podfile aplikacji:

Funkcja	Stare nazwy podów	Nowe nazwy podów
Etykietowanie obrazów AutoML bez pobierania modelu zdalnego	GoogleMLKit/ImageLabelingAutoML	GoogleMLKit/ImageLabelingCustom
Etykietowanie obrazów AutoML z pobieraniem modelu zdalnego	GoogleMLKit/ImageLabelingAutoML GoogleMLKit/LinkFirebase	GoogleMLKit/ImageLabelingCustom GoogleMLKit/LinkFirebase

Krok 2. Zaktualizuj nazwy klas

Jeśli Twoja klasa znajduje się w tej tabeli, wprowadź wskazaną zmianę:

Swift

Stara klasa	Nowe zajęcia
AutoMLImageLabelerLocalModel	LocalModel
AutoMLImageLabelerRemoteModel	CustomRemoteModel
AutoMLImageLabelerOptions	CustomImageLabelerOptions

Objective-C

Stara klasa	Nowe zajęcia
MLKAutoMLImageLabelerLocalModel	MLKLocalModel
MLKAutoMLImageLabelerRemoteModel	MLKCustomRemoteModel
MLKAutoMLImageLabelerOptions	MLKCustomImageLabelerOptions

Objective-C

Uwaga: Wcześniej w przypadku AutoMLImageLabelerOptions, jeśli nie ustawiono confidenceThreshold, używana była domyślna wartość progowa ufności 0.5. Teraz w przypadku CustomImageLabelerOptions, jeśli nie ustawiono confidenceThreshold, używana jest wartość progowa ufności zawarta w metadanych modelu, jeśli jest dostępna. Jeśli nie istnieje, używana jest wartość 0.0.

Krok 3. Zaktualizuj nazwy metod

W kodzie trzeba wprowadzić minimalne zmiany:

• Klasę LocalModel można teraz zainicjować za pomocą ścieżki do pliku modelu (jeśli model ma metadane zawierające mapę etykiet) lub ścieżki do pliku manifestu modelu (jeśli manifest, model i etykiety znajdują się w osobnych plikach).
• Model niestandardowy możesz hostować zdalnie za pomocą konsoli Firebase i zainicjować CustomRemoteModel za pomocą FirebaseModelSource.

Oto kilka przykładów starych i nowych metod w Swift:

Stary

let localModel =
    AutoMLImageLabelerLocalModel(manifestPath: "automl/manifest.json")
let optionsWithLocalModel = AutoMLImageLabelerOptions(localModel: localModel)
let remoteModel = AutoMLImageLabelerRemoteModel(name: "automl_remote_model")
let optionsWithRemoteModel = AutoMLImageLabelerOptions(remoteModel: remoteModel)

Nowy

guard let localModel = LocalModel(manifestPath: "automl/manifest.json") else { return }
let optionsWithLocalModel = CustomImageLabelerOptions(localModel: localModel)
let firebaseModelSource = FirebaseModelSource(name: "automl_remote_model")
let remoteModel = CustomRemoteModel(remoteModelSource: firebaseModelSource)
let optionsWithRemoteModel = CustomImageLabelerOptions(remoteModel: remoteModel)

Oto kilka przykładów starych i nowych metod w Objective-C:

Stary

MLKAutoMLImageLabelerLocalModel *localModel =
    [[MLKAutoMLImageLabelerLocalModel alloc]
        initWithManifestPath:"automl/manifest.json"];
MLKAutoMLImageLabelerOptions *optionsWithLocalModel =
    [[MLKAutoMLImageLabelerOptions alloc] initWithLocalModel:localModel];
MLKAutoMLImageLabelerRemoteModel *remoteModel =
    [[MLKAutoMLImageLabelerRemoteModel alloc]
        initWithManifestPath:"automl/manifest.json"];
MLKAutoMLImageLabelerOptions *optionsWithRemoteModel =
    [[MLKAutoMLImageLabelerOptions alloc] initWithRemoteModel:remoteModel];

Nowy

MLKLocalModel *localModel =
    [[MLKLocalModel alloc] initWithManifestPath:"automl/manifest.json"];
MLKCustomImageLabelerOptions *optionsWithLocalModel =
    [[MLKCustomImageLabelerOptions alloc] initWithLocalModel:localModel];
MLKFirebaseModelSource *firebaseModelSource =
    [[MLKFirebaseModelSource alloc] initWithName:@"automl_remote_model"];
MLKCustomRemoteModel *remoteModel =
    [[MLKCustomRemoteModel alloc] initWithRemoteModelSource:firebaseModelSource];
MLKCustomImageLabelerOptions *optionsWithRemoteModel =
    [[MLKCustomImageLabelerOptions alloc] initWithRemoteModel:remoteModel];