คำแนะนำในการย้ายข้อมูล AutoML Vision Edge ของ ML Kit

หมายเหตุ: ระบบเลิกใช้งาน AutoML Vision Edge Image Labeling API แล้ว API โมเดลที่กำหนดเอง (การติดป้ายกำกับรูปภาพ การตรวจจับออบเจ็กต์ และการติดตาม) รองรับ โมเดลที่ฝึกโดย AutoML คำแนะนำในการย้ายข้อมูลนี้อธิบายวิธีย้ายข้อมูลการติดตั้งใช้งาน AutoML Vision Edge ที่มีอยู่ เพื่อใช้ Custom Model API ใหม่

คุณส่งโมเดลการจัดประเภทรูปภาพที่ฝึกด้วย AutoML ไปยัง API ของโมเดลที่กำหนดเองได้ คุณยังคงรวมโมเดลไว้ในแอปหรือโฮสต์โมเดลในคอนโซล Firebase เป็นโมเดลที่กำหนดเองได้ เราได้นำ AutoML Image Labeling API ออกจาก ML Kit แล้ว เนื่องจาก Custom Model Image Labeling API ได้เข้ามาแทนที่อย่างสมบูรณ์

API	สิ่งที่เปลี่ยนแปลง
API การติดป้ายกำกับรูปภาพ AutoML Vision Edge	ซึ่งถูกแทนที่ด้วย Custom Model Image Labeling API อย่างสมบูรณ์แล้ว ระบบจะนำ API การติดป้ายกำกับรูปภาพของ AutoML Vision Edge ที่มีอยู่ออก

หากคุณใช้ AutoML Vision Edge API ให้ทําตาม วิธีการย้ายข้อมูลสําหรับ Android และ iOS

คำถามที่พบบ่อย

เหตุผลในการเปลี่ยนแปลงครั้งนี้

ซึ่งจะช่วยให้ API ของ ML Kit เรียบง่ายขึ้น และช่วยให้ผสานรวม ML Kit เข้ากับแอปได้ง่ายขึ้น การเปลี่ยนแปลงนี้จะช่วยให้คุณใช้โมเดลที่ฝึกด้วย AutoML ได้ในลักษณะเดียวกับโมเดลที่กำหนดเอง นอกจากนี้ยังช่วยให้คุณใช้โมเดลที่ฝึกด้วย AutoML สำหรับการตรวจจับและการติดตามออบเจ็กต์ได้ด้วย นอกเหนือจากการติดป้ายกำกับรูปภาพที่เรา รองรับ นอกจากนี้ API โมเดลที่กำหนดเองยังรองรับทั้งโมเดลที่มี แผนที่ป้ายกำกับฝังอยู่ในข้อมูลเมตา และโมเดลที่มีไฟล์ Manifest และ ป้ายกำกับแยกกัน

ฉันจะได้รับสิทธิประโยชน์อะไรบ้างจากการย้ายข้อมูลไปยัง SDK ใหม่

• ฟีเจอร์ใหม่: ความสามารถในการใช้โมเดลที่ฝึกด้วย AutoML สำหรับทั้งการติดป้ายกำกับรูปภาพ และการตรวจจับและติดตามออบเจ็กต์ รวมถึงความสามารถในการใช้โมเดลที่มี Label Map ฝังอยู่ในข้อมูลเมตา

คำแนะนำในการย้ายข้อมูลสำหรับ Android

ขั้นตอนที่ 1: อัปเดตการนำเข้า Gradle

อัปเดตทรัพยากร Dependency สำหรับคลัง ML Kit สำหรับ Android ในไฟล์ Gradle ของโมดูล (ระดับแอป) (โดยปกติคือ app/build.gradle.kts) ตามตารางต่อไปนี้

ฟีเจอร์	อาร์ติแฟกต์เก่า	อาร์ติแฟกต์ใหม่
AutoML การติดป้ายกำกับรูปภาพโดยไม่ต้องดาวน์โหลดโมเดลจากระยะไกล	com.google.mlkit:image-labeling-automl:16.2.1	com.google.mlkit:image-labeling-custom:16.0.0-beta5
AutoML การติดป้ายกำกับรูปภาพพร้อมการดาวน์โหลดโมเดลจากระยะไกล	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 หากต้องการโฮสต์และดาวน์โหลดโมเดลที่กำหนดเอง ให้ย้ายโมเดลไปยัง Cloud Storage และ เพิ่มตรรกะการดาวน์โหลดในแอปเพื่อโหลดโมเดลโดยใช้ LocalModel ดูรายละเอียดได้ที่[คำแนะนำในการย้ายข้อมูลจาก Firebase ML ไปยัง Cloud Storage][migrate-storage]

ขั้นตอนที่ 2: อัปเดตชื่อชั้นเรียน

หากชั้นเรียนของคุณปรากฏในตารางนี้ ให้ทำการเปลี่ยนแปลงที่ระบุไว้

ชั้นเรียนเก่า	ชั้นเรียนใหม่
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.LocalModel แอปของคุณต้องมีตรรกะในการดาวน์โหลดโมเดลที่โฮสต์จากระยะไกลและ เริ่มต้นโมเดลเหล่านั้นโดยใช้ LocalModel
com.google.mlkit.vision.label.automl.AutoMLImageLabelerOptions	com.google.mlkit.vision.label.custom.CustomImageLabelerOptions

หมายเหตุ: ก่อนหน้านี้ใน AutoMLImageLabelerOptions หากไม่ได้ตั้งค่า confidenceThreshold ระบบจะใช้ค่าเกณฑ์ความเชื่อมั่นเริ่มต้นที่ 0.5 ตอนนี้เมื่อใช้ CustomImageLabelerOptions หากไม่ได้ตั้งค่า confidenceThreshold ระบบจะใช้ค่าเกณฑ์ความเชื่อมั่น ที่รวมอยู่ในข้อมูลเมตาของโมเดล หากมี หากไม่มี ระบบจะใช้ค่า 0.0 แทน

ขั้นตอนที่ 3: อัปเดตชื่อเมธอด

มีการเปลี่ยนแปลงโค้ดเล็กน้อยดังนี้

• LocalModel ตอนนี้สามารถเริ่มต้นได้ด้วยเส้นทางโมเดล (หากโมเดลมีข้อมูลเมตาที่มีแผนที่ป้ายกำกับ) หรือเส้นทางไฟล์ Manifest ของโมเดล (หากไฟล์ Manifest, โมเดล และป้ายกำกับอยู่ในไฟล์แยกกัน)
• เพิ่มตรรกะลงในแอปเพื่อดาวน์โหลดโมเดลที่โฮสต์จากระยะไกลไปยังพื้นที่เก็บข้อมูลในเครื่องและโหลดโดยใช้ LocalModel

ตัวอย่างเมธอด Kotlin แบบเก่าและแบบใหม่มีดังนี้

เก่า

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

ใหม่

// Similar process for both local and remotely-hosted models (that have been downloaded)
val localModel = LocalModel.Builder()
    .setAssetManifestFilePath("automl/manifest.json")
    // or .setAbsoluteManifestFilePath(absolute path to manifest file)
    .build()

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

ตัวอย่างเมธอด Java เก่าและใหม่มีดังนี้

เก่า

AutoMLImageLabelerLocalModel localModel =
    new AutoMLImageLabelerLocalModel.Builder()
        .setAssetFilePath("automl/manifest.json")
        // or .setAbsoluteFilePath(absolute 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();

ใหม่

// Similar process for local models and remotely-hosted models (that have been downloaded)
LocalModel localModel =
    new LocalModel.Builder()
        .setAssetManifestFilePath("automl/manifest.json")
        // or .setAbsoluteManifestFilePath(absolute path to manifest file)
        .build();
CustomImageLabelerOptions optionsWithLocalModel =
    new CustomImageLabelerOptions.Builder(localModel)
        .setConfidenceThreshold(0.5f)
        .build();

คำแนะนำในการย้ายข้อมูลสำหรับ iOS

ข้อกำหนดเบื้องต้น

• ต้องใช้ Xcode 13.2.1 ขึ้นไป

ขั้นตอนที่ 1: อัปเดต Cocoapods

อัปเดตทรัพยากร Dependency สำหรับ ML Kit iOS Cocoapods ใน Podfile ของแอปโดยทำดังนี้

ฟีเจอร์	ชื่อพ็อดเดิม	ชื่อพ็อดใหม่
AutoML การติดป้ายกำกับรูปภาพโดยไม่ต้องดาวน์โหลดโมเดลจากระยะไกล	GoogleMLKit/ImageLabelingAutoML	GoogleMLKit/ImageLabelingCustom
AutoML การติดป้ายกำกับรูปภาพพร้อมการดาวน์โหลดโมเดลจากระยะไกล	GoogleMLKit/ImageLabelingAutoML GoogleMLKit/LinkFirebase	GoogleMLKit/ImageLabelingCustom หากต้องการโฮสต์และดาวน์โหลดโมเดลที่กำหนดเอง ให้ย้ายโมเดลไปยัง Cloud Storage และ เพิ่มตรรกะการดาวน์โหลดในแอปเพื่อโหลดโมเดลเป็นโมเดลในเครื่อง ดูรายละเอียดได้ที่ [คำแนะนำในการย้ายข้อมูลจาก Firebase ML ไปยัง Cloud Storage][migrate-storage]

ขั้นตอนที่ 2: อัปเดตชื่อชั้นเรียน

หากชั้นเรียนของคุณปรากฏในตารางนี้ ให้ทำการเปลี่ยนแปลงที่ระบุไว้

Swift

ชั้นเรียนเก่า	ชั้นเรียนใหม่
AutoMLImageLabelerLocalModel	LocalModel
AutoMLImageLabelerRemoteModel	LocalModel หากต้องการโฮสต์และดาวน์โหลดโมเดลที่กำหนดเอง ให้ย้ายโมเดลไปยัง Cloud Storage และ เพิ่มตรรกะการดาวน์โหลดในแอปเพื่อโหลดเป็นโมเดลในเครื่อง ดูรายละเอียดได้ที่ [คำแนะนำในการย้ายข้อมูลจาก Firebase ML ไปยัง Cloud Storage][migrate-storage]
AutoMLImageLabelerOptions	CustomImageLabelerOptions

Objective-C

ชั้นเรียนเก่า	ชั้นเรียนใหม่
MLKAutoMLImageLabelerLocalModel	MLKLocalModel
MLKAutoMLImageLabelerRemoteModel	MLKLocalModel หากต้องการโฮสต์และดาวน์โหลดโมเดลที่กำหนดเอง ให้ย้ายโมเดลไปยัง Cloud Storage และ เพิ่มตรรกะการดาวน์โหลดในแอปเพื่อโหลดเป็นโมเดลในเครื่อง ดูรายละเอียดได้ที่ [คำแนะนำในการย้ายข้อมูลจาก Firebase ML ไปยัง Cloud Storage][migrate-storage]
MLKAutoMLImageLabelerOptions	MLKCustomImageLabelerOptions

หมายเหตุ: ก่อนหน้านี้ใน AutoMLImageLabelerOptions หากไม่ได้ตั้งค่า confidenceThreshold ระบบจะใช้ค่าเกณฑ์ความเชื่อมั่นเริ่มต้นเป็น 0.5 ตอนนี้เมื่อใช้ CustomImageLabelerOptions หากไม่ได้ตั้งค่า confidenceThreshold ระบบจะ ใช้ค่าเกณฑ์ความเชื่อมั่นที่รวมอยู่ในข้อมูลเมตาของโมเดล หาก มี หากไม่มี ระบบจะใช้ค่า 0.0 แทน

ขั้นตอนที่ 3: อัปเดตชื่อเมธอด

มีการเปลี่ยนแปลงโค้ดเล็กน้อยดังนี้

• LocalModel ตอนนี้สามารถเริ่มต้นได้ด้วยเส้นทางโมเดล (หากโมเดลมีข้อมูลเมตาที่มีแผนที่ป้ายกำกับ) หรือเส้นทางไฟล์ Manifest ของโมเดล (หากไฟล์ Manifest, โมเดล และป้ายกำกับอยู่ในไฟล์แยกกัน)
• เพิ่มตรรกะลงในแอปเพื่อดาวน์โหลดโมเดลที่โฮสต์จากระยะไกลไปยังพื้นที่เก็บข้อมูลในเครื่องและโหลดโดยใช้ LocalModel

ตัวอย่างเมธอด Swift เก่าและใหม่มีดังนี้

เก่า

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

ใหม่

// Similar process for local models and remotely-hosted models (that have been downloaded)
guard let localModel = LocalModel(manifestPath: "automl/manifest.json") else { return }
let optionsWithLocalModel = CustomImageLabelerOptions(localModel: localModel)

ตัวอย่างเมธอด Objective-C แบบเก่าและแบบใหม่มีดังนี้

เก่า

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];

ใหม่

// Similar process for local models and remotely-hosted models (that have been downloaded)
MLKLocalModel *localModel =
    [[MLKLocalModel alloc] initWithManifestPath:"automl/manifest.json"];
MLKCustomImageLabelerOptions *optionsWithLocalModel =
    [[MLKCustomImageLabelerOptions alloc] initWithLocalModel:localModel];