ML Kit AutoML Vision Edge-Migrationsanleitung

Sie können ein von AutoML trainiertes Bildklassifizierungsmodell an die APIs für benutzerdefinierte Modelle übergeben. Sie können das Modell in Ihrer App bündeln oder hosten in der Firebase Console als benutzerdefiniertes Modell. Die AutoML Image Labeling API wurde aus ML Kit entfernt, da es vollständig durch das Bild des benutzerdefinierten Modells ersetzt wurde Labeling API

Wenn Sie derzeit ein ML Kit-Nutzer sind und die AutoML Vision Edge API verwenden, folgen Sie der Migrationsanleitung für Android und iOS.

Häufig gestellte Fragen

Was ist der Grund für diese Änderung?

Sie vereinfacht ML Kit-APIs und erleichtern die Integration von ML Kit in für Ihre App. Mit dieser Änderung können Sie ein von AutoML trainiertes Modell exakt wie bei einem benutzerdefinierten Modell. Außerdem können Sie mit AutoML trainierte Modelle verwenden. für die Objekterkennung und -verfolgung, zusätzlich zur Bildbeschriftung, die derzeit unterstützt werden. Darüber hinaus unterstützt die API für benutzerdefinierte Modelle beide Modelle mit Labelzuordnung, die in ihre Metadaten eingebettet ist, sowie Modelle mit separatem Manifest und Labeldateien.

Welche Vorteile bietet die Migration zum neuen SDK?

• Neue Funktionen: Von AutoML trainierte Modelle können für das Labeling von Bildern verwendet werden. Objekterkennung und Tracking und Verwendung von Modellen mit Label Map die in die Metadaten eingebettet sind.

Migrationsanleitung für Android

Schritt 1: Gradle Imports aktualisieren

Aktualisieren Sie die Abhängigkeiten für die ML Kit-Android-Bibliotheken in der Gradle-Datei Ihres Moduls (auf App-Ebene, in der Regel app/build.gradle) gemäß der folgenden Tabelle:

Schritt 2: Kursnamen aktualisieren

Wenn Ihr Kurs in dieser Tabelle angezeigt wird, nehmen Sie die entsprechende Änderung vor:

Schritt 3: Methodennamen aktualisieren

Es sind nur geringfügige Codeänderungen erforderlich:

• LocalModel kann jetzt entweder mit einem Modelldateipfad (wenn das Modell Metadaten enthält, die die Labelzuordnung enthalten) oder mit einem Modellmanifestdateipfad (wenn sich Manifest, Modell und Labels in separaten Dateien befinden) initialisiert werden.
• Sie können ein benutzerdefiniertes Modell per Remotezugriff über die Firebase Console hosten und eine CustomRemoteModel mit einer FirebaseModelSource initialisieren.

Hier sind einige Beispiele für alte und neue Kotlin-Methoden:

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()

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()

Hier sind einige Beispiele für alte und neue Java-Methoden:

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();

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();

Migrationsanleitung für iOS

Vorbereitung

• Xcode 13.2.1 oder höher ist erforderlich.

Schritt 1: CocoaPods aktualisieren

Aktualisieren Sie die Abhängigkeiten für die ML Kit iOS-CocoaPods in der Podfile Ihrer App:

Schritt 2: Kursnamen aktualisieren

Wenn Ihr Kurs in dieser Tabelle aufgeführt ist, nehmen Sie die angegebene Änderung vor:

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

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)

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];

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];