מדריך להעברה של ML Kit AutoML Vision Edge

הערה: הוצאנו משימוש את ממשק ה-API של AutoML Vision Edge לתוויות תמונות. ממשקי ה-API של מודלים בהתאמה אישית (תיוג תמונות, זיהוי ומעקב אחרי אובייקטים) תומכים במודלים שאומנו על ידי AutoML. במדריך הזה להעברה מוסבר איך להעביר הטמעה קיימת של AutoML Vision Edge לשימוש ב-API החדש של מודלים בהתאמה אישית.

אפשר להעביר מודל לסיווג תמונות שאומן באמצעות AutoML לממשקי ה-API של המודל המותאם אישית. אתם יכולים להמשיך לארוז את המודל בתוך האפליקציה או לארח אותו במסוף Firebase בתור מודל בהתאמה אישית. הסרנו את AutoML image labeling API מ-ML Kit כי הוא הוחלף באופן מלא על ידי Custom Model Image Labeling API.

API	מה ישתנה?
‫AutoML Vision Edge image labeling API	הוא הוחלף לגמרי ב-API של תיוג תמונות במודל בהתאמה אישית. הוסר API קיים של AutoML Vision Edge לתוויות של תמונות.

אם אתם משתמשים כרגע ב-ML Kit באמצעות AutoML Vision Edge API, אתם צריכים לפעול לפי הוראות המיגרציה ל-Android ול-iOS.

שאלות נפוצות

מה הסיבה לשינוי?

השינוי הזה עוזר לפשט את ממשקי ה-API של ML Kit, ומקל על השילוב של ML Kit באפליקציה. בעקבות השינוי, אפשר להשתמש במודל שאומן באמצעות AutoML בדיוק כמו במודל מותאם אישית. בנוסף, תוכלו להשתמש במודלים שאומנו באמצעות AutoML לזיהוי ולמעקב אחר אובייקטים, בנוסף לתיוג תמונות שאנחנו תומכים בו כרגע. בנוסף, ה-API של המודלים בהתאמה אישית תומך גם במודלים עם מפת תוויות שמוטמעת במטא-נתונים שלהם, וגם במודלים עם קובצי מניפסט ותוויות נפרדים.

אילו יתרונות יש למעבר לגרסה החדשה של ה-SDK?

• תכונות חדשות: אפשרות להשתמש במודלים שאומנו ב-AutoML גם לתוויות של תמונות וגם לזיהוי ומעקב של אובייקטים, ואפשרות להשתמש במודלים עם מפת תוויות שמוטמעת במטא-נתונים שלהם.

מדריך להעברת נתונים (מיגרציה) ל-Android

שלב 1: עדכון של Gradle Imports

מעדכנים את יחסי התלות של ספריות ML Kit Android בקובץ Gradle של המודול (ברמת האפליקציה) (בדרך כלל app/build.gradle) בהתאם לטבלה הבאה:

תכונה	תוצרי הפגישה הישנים	פריט מידע חדש
הוספת תוויות לתמונות באמצעות AutoML בלי להוריד מודלים מרחוק	com.google.mlkit:image-labeling-automl:16.2.1	com.google.mlkit:image-labeling-custom:16.0.0-beta5
הוספת תוויות לתמונות באמצעות AutoML עם הורדה של מודל מרוחק	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

שלב 2: מעדכנים את שמות הכיתות

אם הכיתה שלכם מופיעה בטבלה הזו, צריך לבצע את השינוי שמצוין:

הכיתה הישנה	כיתה חדשה
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

הערה: בעבר, ב-AutoMLImageLabelerOptions, אם לא הוגדר confidenceThreshold, המערכת השתמשה בערך ברירת המחדל של סף מהימנות של 0.5. עכשיו, עם CustomImageLabelerOptions, אם לא מוגדר confidenceThreshold, המערכת תשתמש בערך של סף מהימנות שכלול במטא-נתונים של המודל, אם הוא זמין. אם הוא לא קיים, המערכת תשתמש במקום זאת בערך 0.0.

שלב 3: עדכון שמות של שיטות

יש שינויים קלים בקוד:

• LocalModel אפשר עכשיו לאתחל עם נתיב לקובץ מודל (אם למודל יש מטא-נתונים שמכילים את מיפוי התוויות) או עם נתיב לקובץ מניפסט של מודל (אם המניפסט, המודל והתוויות נמצאים בקבצים נפרדים).
• אפשר לארח מודל מותאם אישית מרחוק דרך מסוף Firebase, ולהפעיל CustomRemoteModel עם FirebaseModelSource.

הנה כמה דוגמאות לשיטות ישנות וחדשות של Kotlin:

ישן

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()

חדש

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()

ריכזנו כאן כמה דוגמאות לשיטות Java ישנות וחדשות:

ישן

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();

חדש

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();

מדריך להעברת נתונים (מיגרציה) ל-iOS

דרישות מוקדמות

• נדרשת גרסה Xcode 13.2.1 ואילך.

שלב 1: מעדכנים את Cocoapods

מעדכנים את יחסי התלות ב-ML Kit iOS cocoapods בקובץ Podfile של האפליקציה:

תכונה	שמות הפודים הקודמים	שמות הפודים החדשים
הוספת תוויות לתמונות באמצעות AutoML בלי להוריד מודלים מרחוק	GoogleMLKit/ImageLabelingAutoML	GoogleMLKit/ImageLabelingCustom
הוספת תוויות לתמונות באמצעות AutoML עם הורדה של מודל מרוחק	GoogleMLKit/ImageLabelingAutoML GoogleMLKit/LinkFirebase	GoogleMLKit/ImageLabelingCustom GoogleMLKit/LinkFirebase

שלב 2: מעדכנים את שמות הכיתות

אם הכיתה שלכם מופיעה בטבלה הזו, צריך לבצע את השינוי שמצוין:

Swift

הכיתה הישנה	כיתה חדשה
AutoMLImageLabelerLocalModel	LocalModel
AutoMLImageLabelerRemoteModel	CustomRemoteModel
AutoMLImageLabelerOptions	CustomImageLabelerOptions

Objective-C

הכיתה הישנה	כיתה חדשה
MLKAutoMLImageLabelerLocalModel	MLKLocalModel
MLKAutoMLImageLabelerRemoteModel	MLKCustomRemoteModel
MLKAutoMLImageLabelerOptions	MLKCustomImageLabelerOptions

Objective-C

הערה: בעבר, ב-AutoMLImageLabelerOptions, אם לא הוגדר confidenceThreshold, המערכת השתמשה בערך ברירת מחדל של סף מהימנות של 0.5. עכשיו, עם CustomImageLabelerOptions, אם לא מוגדר confidenceThreshold, המערכת תשתמש בערך של סף מהימנות שכלול במטא-נתונים של המודל, אם הוא זמין. אם הוא לא קיים, המערכת תשתמש בערך 0.0 במקום זאת.

שלב 3: עדכון שמות של שיטות

יש שינויים קלים בקוד:

• LocalModel אפשר עכשיו לאתחל עם נתיב לקובץ מודל (אם למודל יש מטא-נתונים שמכילים את מיפוי התוויות) או עם נתיב לקובץ מניפסט של מודל (אם המניפסט, המודל והתוויות נמצאים בקבצים נפרדים).
• אפשר לארח מודל מותאם אישית מרחוק דרך מסוף Firebase, ולהפעיל CustomRemoteModel עם FirebaseModelSource.

הנה כמה דוגמאות לשיטות ישנות וחדשות של Swift:

ישן

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

חדש

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)

הנה כמה דוגמאות לשיטות ישנות וחדשות של Objective-C:

ישן

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];

חדש

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];