Przewodnik po migracji do ML Kit AutoML Vision Edge

Uwaga: interfejs API etykietowania obrazów AutoML Vision Edge został wycofany. Interfejsy API modeli niestandardowych (oznaczanie obrazów etykietami oraz wykrywanie i śledzenie obiektów) obsługują modele wytrenowane przez AutoML. Z tego przewodnika po migracji dowiesz się, jak przenieść istniejącą implementację AutoML Vision Edge do nowego interfejsu API modelu niestandardowego.

Do interfejsów API modeli niestandardowych możesz przekazać model klasyfikacji obrazów wytrenowany przez AutoML. Nadal możesz połączyć model w aplikacji lub hostować go w konsoli Firebase jako model niestandardowy. Interfejs AutoML Image labeling API został usunięty z ML Kit, ponieważ zastąpił go interfejs Custom Model Image Labeling API.

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. Istniejący interfejs API etykietowania obrazów AutoML Vision Edge został usunięty.

Jeśli jesteś obecnie użytkownikiem ML Kit i korzystasz z interfejsu AutoML Vision Edge API, postępuj zgodnie z instrukcjami migracji dotyczącymi Androida i iOS.

Najczęstsze pytania

Dlaczego wprowadzamy tę zmianę?

Pomoże to uprościć interfejsy ML Kit API i ułatwić integrację ML Kit z aplikacją. Dzięki tej zmianie możesz używać modelu wytrenowanego przez AutoML dokładnie tak samo jak modelu niestandardowego. Oprócz funkcji oznaczania obrazów etykietami, które obecnie obsługujemy, możesz też korzystać z modeli wytrenowanych z użyciem AutoML do wykrywania i śledzenia obiektów. Ponadto interfejs API modelu niestandardowego obsługuje zarówno modele z osadzoną w metadanych mapą etykiet, jak i modele z osobnymi plikami manifestu i etykietami.

Jakie korzyści płyną z przejścia na nowy pakiet SDK?

• Nowe funkcje: możliwość korzystania z modeli wytrenowanych przez AutoML do oznaczania obrazów oraz wykrywania i śledzenia obiektów, a także możliwość używania modeli z mapą etykiet umieszczoną w metadanych.

Przewodnik po migracji na Androida

Krok 1. Zaktualizuj importowanie Gradle

Zaktualizuj zależności bibliotek ML Kit na Androida w pliku Gradle modułu (na poziomie aplikacji) (zwykle app/build.gradle) zgodnie z tą tabelą:

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 w przypadku AutoMLImageLabelerOptions, jeśli wartość confidenceThreshold nie była ustawiona, używana jest domyślna wartość progu ufności wynosząca 0.5. Jeśli confidenceThreshold nie jest skonfigurowana, funkcja CustomImageLabelerOptions używa wartości progu ufności zawartej w metadanych modelu, jeśli jest dostępna. Jeśli nie istnieje, zostanie użyta wartość 0.0.

Krok 3. Zaktualizuj nazwy metod

W kodzie wprowadzono niewiele zmian:

• 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 w przypadku AutoMLImageLabelerOptions, jeśli confidenceThreshold nie był ustawiony, używana była domyślna wartość progu ufności 0.5. Jeśli confidenceThreshold nie jest skonfigurowana, funkcja CustomImageLabelerOptions używa wartości progu ufności zawartej w metadanych modelu, jeśli jest dostępna. Jeśli taki warunek nie występuje, zostanie użyta wartość 0.0.

Krok 3. Zaktualizuj nazwy metod

W kodzie wprowadzono niewiele zmian:

• 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];