Przewodnik po migracji do ML Kit AutoML Vision Edge

Uwaga: interfejs API etykietowania obrazów AutoML Vision Edge został wycofany. obsługa interfejsów API modeli niestandardowych (oznaczanie obrazów oraz wykrywanie i śledzenie obiektów) modeli wytrenowanych przez AutoML. W tym przewodniku po migracji wyjaśniono, jak przenieść z dotychczasowej implementacji AutoML Vision Edge, aby korzystać z nowego interfejsu API modelu niestandardowego.

Do modelu niestandardowego możesz przekazać model klasyfikacji obrazów wytrenowany przez AutoML API. Nadal możesz umieścić model w aplikacji lub hostować go w konsoli Firebase jako model niestandardowy. Interfejs API etykietowania obrazów AutoML został została usunięta z ML Kit, ponieważ została w pełni zastąpiona obrazem modelu niestandardowego Interfejs Labeling API.

Interfejs API	Co się zmienia?
Interfejs API etykietowania obrazów w AutoML Vision Edge	Została ona w pełni zastąpiona interfejsem API do dodawania etykiet do obrazów w modelu niestandardowym. Istniejące Interfejs API etykietowania obrazów AutoML Vision Edge został usunięty.

Jeśli używasz obecnie ML Kit i interfejsu AutoML Vision Edge API: postępuj zgodnie z instrukcjami migracji w przypadku Androida lub iOS.

Najczęstsze pytania

Dlaczego wprowadzamy tę zmianę?

Pomaga uprościć interfejsy ML Kit API i ułatwia integrację ML Kit do aplikacji. Dzięki tej zmianie możesz używać modelu wytrenowanego przez AutoML tak samo jak model niestandardowy. Umożliwia też korzystanie z modeli wytrenowanych przez AutoML do wykrywania i śledzenia obiektów, oprócz oznaczania obrazów obecnie obsługiwane. Ponadto interfejs API modelu niestandardowego obsługuje oba modele z mapy etykiet umieszczone w metadanych oraz modele z osobnymi plikami manifestu plików etykiet.

Jakie korzyści płyną z przejścia na nowy pakiet SDK?

• Nowe funkcje: możliwość używania modeli wytrenowanych z AutoML do oznaczania obrazów etykietami oraz wykrywanie obiektów Śledzenie i możliwość używania modeli za pomocą mapy etykiet umieszczone w metadanych.

Przewodnik po migracji na Androida

Krok 1. Zaktualizuj importowanie Gradle

Zaktualizuj zależności bibliotek ML Kit na Androida w module (na poziomie aplikacji) plik Gradle (zwykle app/build.gradle) zgodnie z tym ustawieniem tabela:

Funkcja	Stare artefakty	Nowy artefakt
Oznaczanie obrazów etykietami AutoML bez zdalnego pobierania modelu	com.google.mlkit:image-labeling-automl:16.2.1	com.google.mlkit:image-labeling-custom:16.0.0-beta5
Oznaczanie obrazów etykietami AutoML przy zdalnym pobieraniu modelu	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 zajęć

Jeśli Twoje zajęcia znajdują 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 przy użyciu funkcji AutoMLImageLabelerOptions, jeśli Nie ustawiono confidenceThreshold, domyślna wartość progu ufności to 0.5 . Teraz w CustomImageLabelerOptions, jeśli Nie ustawiono confidenceThreshold, użyjemy wartości progu ufności zawarte w metadanych modelu, jeśli są dostępne. Jeśli nie istnieje, zostanie wstawiona wartość będzie używana wartość 0.0.

Krok 3. Zaktualizuj nazwy metod

W kodzie wprowadzono niewiele zmian:

• Element LocalModel można teraz zainicjować ścieżką pliku modelu (jeśli model zawiera metadane zawierające mapę etykiet) lub ścieżką pliku manifestu modelu (jeśli plik manifestu, model i etykiety znajdują się w osobnych plikach).
• Możesz zdalnie hostować model niestandardowy za pomocą konsoli Firebase i zainicjować CustomRemoteModel za pomocą FirebaseModelSource.

Oto kilka przykładów starych i nowych metod Kotlina:

Stara wersja

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()

Nowość

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:

Stara wersja

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();

Nowość

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 format Xcode w wersji 13.2.1 lub nowszej.

Krok 1. Zaktualizuj Cocoapods

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

Funkcja	Stare nazwy podów	Nazwy nowych podów
Oznaczanie obrazów etykietami AutoML bez zdalnego pobierania modelu	GoogleMLKit/ImageLabelingAutoML	GoogleMLKit/ImageLabelingCustom
Oznaczanie obrazów etykietami AutoML przy zdalnym pobieraniu modelu	GoogleMLKit/ImageLabelingAutoML GoogleMLKit/LinkFirebase	GoogleMLKit/ImageLabelingCustom GoogleMLKit/LinkFirebase

Krok 2. Zaktualizuj nazwy zajęć

Jeśli Twoje zajęcia znajdują 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 przy użyciu funkcji AutoMLImageLabelerOptions, jeśli confidenceThreshold nie jest ustawiona, używana jest domyślna wartość progu ufności wynosząca 0.5. Teraz z: CustomImageLabelerOptions, jeśli zasada confidenceThreshold nie jest skonfigurowana, zostanie użyj wartości progu ufności podanej w metadanych modelu, jeśli i dostępności informacji. Jeśli nie istnieje, zostanie użyta wartość 0.0

Krok 3. Zaktualizuj nazwy metod

W kodzie wprowadzono niewiele zmian:

• Element LocalModel można teraz zainicjować ścieżką pliku modelu (jeśli model zawiera metadane zawierające mapę etykiet) lub ścieżką pliku manifestu modelu (jeśli plik manifestu, model i etykiety znajdują się w osobnych plikach).
• Możesz zdalnie hostować model niestandardowy za pomocą konsoli Firebase i zainicjować CustomRemoteModel za pomocą FirebaseModelSource.

Oto kilka przykładów starych i nowych metod Swift:

Stara wersja

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

Nowość

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 Objective-C:

Stara wersja

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];

Nowość

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];