Guida alla migrazione ad AutoML Vision Edge di ML Kit

Nota: l'API AutoML Vision Edge etichettatura delle immagini è stata deprecata. La Supporto di API per modelli personalizzati (etichettatura delle immagini e rilevamento e monitoraggio degli oggetti) addestrati da AutoML. Questa guida alla migrazione spiega come eseguire la migrazione un'implementazione attuale di AutoML Vision Edge per usare la nuova API del modello personalizzato.

Puoi passare un modello di classificazione delle immagini addestrato con AutoML al modello personalizzato su quelle di livello inferiore. Puoi continuare a integrare il modello all'interno dell'app oppure ospitarlo sulla console Firebase come modello personalizzato. L'API AutoML Image Labeling è stata rimosso da ML Kit poiché è completamente sostituito dall'immagine modello personalizzata API Labeling.

API	Che cosa cambia?
API AutoML Vision Edge etichettatura immagini	È stato completamente sostituito dall'API Custom Model Image Labeling. Esistente L'API AutoML Vision Edge Etichettatura immagini è stata rimossa.

Se attualmente sei un utente di ML Kit e utilizzi l'API AutoML Vision Edge, segui le istruzioni per la migrazione per Android e iOS.

Domande frequenti

Perché questa modifica?

Contribuisce a semplificare le API ML Kit e a semplificare l'integrazione di ML Kit la tua app. Con questa modifica, puoi utilizzare un modello addestrato con AutoML come nel caso di un modello personalizzato. Inoltre, ti consente di utilizzare modelli addestrati con AutoML per il rilevamento e il tracciamento di oggetti, oltre all'etichettatura delle immagini, che attualmente supportati. Inoltre, l'API del modello personalizzato supporta entrambi i modelli mappa di etichette incorporata nei relativi metadati e modelli con manifest dei file di etichette.

Quali vantaggi ottengo dalla migrazione al nuovo SDK?

• Nuove funzionalità: possibilità di utilizzare modelli addestrati con AutoML per l'etichettatura delle immagini e rilevamento di oggetti, Monitoraggio e possibilità di utilizzare modelli con mappa di etichette incorporate nei metadati.

Guida alla migrazione per Android

Passaggio 1: aggiorna le importazioni Gradle

Aggiorna le dipendenze per le librerie Android di ML Kit nel modulo (a livello di app) del file Gradle (di solito app/build.gradle) in base a quanto segue tabella:

Funzionalità	Vecchi artefatti	Nuovo artefatto
Etichettatura delle immagini AutoML senza download del modello remoto	com.google.mlkit:image-labeling-automl:16.2.1	com.google.mlkit:image-labeling-custom:16.0.0-beta5
Etichettatura delle immagini AutoML con download remoto del modello	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

Passaggio 2: aggiorna i nomi dei corsi

Se il corso viene visualizzato in questa tabella, apporta la modifica indicata:

Classe precedente	Nuovo corso
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

Nota: in precedenza con AutoMLImageLabelerOptions, se confidenceThreshold non è impostato. Il valore della soglia di confidenza predefinito è 0.5 . Ora con CustomImageLabelerOptions, se confidenceThreshold non impostato, utilizzerà il valore della soglia di confidenza incluse nei metadati del modello, se disponibili. Se non esiste, viene restituito un valore di 0.0.

Passaggio 3: aggiorna i nomi dei metodi

Sono state apportate modifiche minime al codice:

• Ora LocalModel può essere inizializzato con un percorso del file del modello (se il modello ha metadati contenenti la mappa delle etichette) o un percorso del file manifest del modello (se il modello, le etichette e le etichette sono in file separati).
• Puoi ospitare un modello personalizzato in remoto tramite la console Firebase e inizializzare un CustomRemoteModel con un FirebaseModelSource.

Ecco alcuni esempi di metodi Kotlin vecchi e nuovi:

Vecchio

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()

Nuovo

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()

Ecco alcuni esempi di metodi Java vecchi e nuovi:

Vecchio

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();

Nuovo

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();

Guida alla migrazione per iOS

Prerequisiti

• È richiesto Xcode 13.2.1 o successivo.

Passaggio 1: aggiorna Cocoapods

Aggiorna le dipendenze per i cocoapod per iOS del kit ML nel podfile della tua app:

Funzionalità	Vecchi nomi di pod	Nuovi nomi di pod
Etichettatura delle immagini AutoML senza download del modello remoto	GoogleMLKit/ImageLabelingAutoML	GoogleMLKit/ImageLabelingCustom
Etichettatura delle immagini AutoML con download remoto del modello	GoogleMLKit/ImageLabelingAutoML GoogleMLKit/LinkFirebase	GoogleMLKit/ImageLabelingCustom GoogleMLKit/LinkFirebase

Passaggio 2: aggiorna i nomi dei corsi

Se il corso viene visualizzato in questa tabella, apporta la modifica indicata:

Swift

Classe precedente	Nuovo corso
AutoMLImageLabelerLocalModel	LocalModel
AutoMLImageLabelerRemoteModel	CustomRemoteModel
AutoMLImageLabelerOptions	CustomImageLabelerOptions

Objective-C

Classe precedente	Nuovo corso
MLKAutoMLImageLabelerLocalModel	MLKLocalModel
MLKAutoMLImageLabelerRemoteModel	MLKCustomRemoteModel
MLKAutoMLImageLabelerOptions	MLKCustomImageLabelerOptions

Objective-C

Nota: in precedenza con AutoMLImageLabelerOptions, se confidenceThreshold non è impostato, verrà utilizzato un valore di soglia di confidenza predefinito pari a 0.5. Ora con CustomImageLabelerOptions, se confidenceThreshold non è impostato, utilizzano il valore della soglia di confidenza incluso nei metadati del modello, se disponibili. Se non esiste, verrà utilizzato il valore 0.0

Passaggio 3: aggiorna i nomi dei metodi

Sono state apportate modifiche minime al codice:

• Ora LocalModel può essere inizializzato con un percorso del file del modello (se il modello ha metadati contenenti la mappa delle etichette) o un percorso del file manifest del modello (se il modello, le etichette e le etichette sono in file separati).
• Puoi ospitare un modello personalizzato in remoto tramite la console Firebase e inizializzare un CustomRemoteModel con un FirebaseModelSource.

Ecco alcuni esempi di metodi Swift vecchi e nuovi:

Vecchio

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

Nuovo

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)

Ecco alcuni esempi di metodi Objective-C vecchi e nuovi:

Vecchio

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];

Nuovo

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];