Sie können ein von AutoML trainiertes Bildklassifizierungsmodell an das benutzerdefinierte Modell übergeben. APIs Sie können das Modell weiterhin 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
API | Was ändert sich? |
---|---|
AutoML Vision Edge API für Bildlabels | Sie wurde vollständig durch die Image Labeling API für benutzerdefinierte Modelle ersetzt. Vorhanden Die AutoML Vision Edge-API für das Image Labeling wurde entfernt. |
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 habe ich durch 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
Abhängigkeiten für die ML Kit-Android-Bibliotheken in Ihrem Modul aktualisieren
(auf App-Ebene) Gradle-Datei (in der Regel app/build.gradle
) gemäß den folgenden
Tabelle:
Funktion | Alte Artefakte | Neues Artefakt |
---|---|---|
AutoML-Bild-Labeling ohne Remote-Herunterladen des Modells | com.google.mlkit:image-labeling-automl:16.2.1 | com.google.mlkit:image-labeling-custom:16.0.0-beta5 |
AutoML-Bild-Labeling mit Remote-Modelldownload |
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 |
Schritt 2: Kursnamen aktualisieren
Wenn Ihr Kurs in dieser Tabelle angezeigt wird, nehmen Sie die entsprechende Änderung vor:
Alte Klasse | Neuer Kurs |
---|---|
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 |
Schritt 3: Methodennamen aktualisieren
Es gibt nur minimale Änderungen am Code:
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 remote über die Firebase Console hosten und ein
CustomRemoteModel
mit einemFirebaseModelSource
initialisieren.
Hier sind einige Beispiele für alte und neue Kotlin-Methoden:
Alt
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()
Neu
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:
Alt
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();
Neu
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-Datei Ihrer App:
Funktion | Alte Pod-Name(n) | Neuer Pod-Name(n) |
---|---|---|
AutoML-Bild-Labeling ohne Remote-Herunterladen des Modells | GoogleMLKit/ImageLabelingAutoML | GoogleMLKit/ImageLabelingCustom |
AutoML-Bild-Labeling mit Remote-Modelldownload |
GoogleMLKit/ImageLabelingAutoML GoogleMLKit/LinkFirebase |
GoogleMLKit/ImageLabelingCustom GoogleMLKit/LinkFirebase |
Schritt 2: Kursnamen aktualisieren
Wenn Ihr Kurs in dieser Tabelle angezeigt wird, nehmen Sie die entsprechende Änderung vor:
Swift
Alte Klasse | Neuer Kurs |
---|---|
AutoMLImageLabelerLocalModel | LocalModel |
AutoMLImageLabelerRemoteModel | CustomRemoteModel |
AutoMLImageLabelerOptions | CustomImageLabelerOptions |
Objective-C
Alte Klasse | Neuer Kurs |
---|---|
MLKAutoMLImageLabelerLocalModel | MLKLocalModel |
MLKAutoMLImageLabelerRemoteModel | MLKCustomRemoteModel |
MLKAutoMLImageLabelerOptions | MLKCustomImageLabelerOptions |
Objective-C
Schritt 3: Methodennamen aktualisieren
Es gibt nur minimale Änderungen am Code:
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 remote über die Firebase Console hosten und ein
CustomRemoteModel
mit einemFirebaseModelSource
initialisieren.
Hier sind einige Beispiele für alte und neue Swift-Methoden:
Alt
let localModel = AutoMLImageLabelerLocalModel(manifestPath: "automl/manifest.json") let optionsWithLocalModel = AutoMLImageLabelerOptions(localModel: localModel) let remoteModel = AutoMLImageLabelerRemoteModel(name: "automl_remote_model") let optionsWithRemoteModel = AutoMLImageLabelerOptions(remoteModel: remoteModel)
Neu
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)
Hier sind einige Beispiele für alte und neue Objective-C-Methoden:
Alt
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];
Neu
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];