Guía de migración del Kit de AA para AutoML Vision Edge

Nota: La API de etiquetado de imágenes de AutoML Vision Edge dejó de estar disponible. Las APIs de modelos personalizados (etiquetado de imágenes, detección y seguimiento de objetos) admiten modelos entrenados por AutoML. En esta guía de migración, se explica cómo migrar un implementación existente de AutoML Vision Edge para usar la API nueva del modelo personalizado.

Puedes pasar un modelo de clasificación de imágenes entrenado por AutoML a las APIs de modelos personalizados. Puedes continuar agrupando el modelo en tu app o alojarlo. en Firebase console como modelo personalizado. La API de Etiquetado de Imágenes de AutoML se del Kit de AA, ya que se reemplazó por completo con la imagen del modelo personalizado. API de Labeling.

API	¿Qué aspectos cambiarán?
API de etiquetado de imágenes de AutoML Vision Edge	Se reemplazó por completo por la API de etiquetado de imágenes del modelo personalizado. Existente Se quitó la API de etiquetado de imágenes de AutoML Vision Edge.

Si actualmente eres usuario de ML Kit y usas la API de AutoML Vision Edge, sigue las instrucciones de migración para Android y iOS.

Preguntas frecuentes

¿Por qué se aplicó este cambio?

Ayuda a simplificar las APIs del ML Kit y facilita su integración en tu app. Con este cambio, puedes usar un modelo entrenado por AutoML en el del mismo modo que un modelo personalizado. También te permite usar modelos entrenados con AutoML para la detección y el seguimiento de objetos, además del etiquetado de imágenes, que en la actualidad. Además, la API de modelos personalizados admite modelos con mapa de etiquetas incorporado en sus metadatos y modelos con archivos de manifiesto y etiquetas separados.

¿Cuáles son los beneficios de migrar al nuevo SDK?

• Nuevas funciones: Capacidad de usar modelos entrenados con AutoML para el etiquetado de imágenes detección de objetos y Seguimiento y capacidad de usar modelos con mapa de etiquetas incorporadas en sus metadatos.

Guía de migración para Android

Paso 1: Actualiza las importaciones de Gradle

Actualiza las dependencias para las bibliotecas de Android del ML Kit en el archivo Gradle (generalmente app/build.gradle) de tu módulo (nivel de app) según la siguiente tabla:

Función	Artefactos antiguos	Nuevo artefacto
Etiquetado de imágenes AutoML sin descargar el modelo remoto	com.google.mlkit:image-labeling-automl:16.2.1	com.google.mlkit:image-labeling-custom:16.0.0-beta5
AutoML de etiquetado de imágenes con descarga de modelos remotos	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

Paso 2: Actualiza los nombres de las clases

Si tu clase aparece en esta tabla, realiza el cambio indicado:

Clase anterior	Clase nueva
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

Nota: Anteriormente, con AutoMLImageLabelerOptions, si confidenceThreshold no se estableció; el umbral de confianza predeterminado es de 0.5 que se usará. Ahora, con CustomImageLabelerOptions, si no se establece confidenceThreshold, se usará el valor del umbral de confianza incluido en los metadatos del modelo, si está disponible. Si no existe, se usará un valor de 0.0.

Paso 3: Actualiza los nombres de los métodos

Hay cambios mínimos en el código:

• LocalModel ahora se puede inicializar con una ruta de acceso de archivo de modelo (si el modelo tiene metadatos que contienen el mapa de etiquetas) o una ruta de acceso de archivo de manifiesto de modelo (si el manifiesto, el modelo y las etiquetas están en archivos separados).
• Puedes alojar un modelo personalizado de forma remota a través de Firebase console y, luego, inicializar un CustomRemoteModel con un FirebaseModelSource.

Estos son algunos ejemplos de métodos de Kotlin antiguos y nuevos:

Antiguo

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()

Nuevo

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()

Estos son algunos ejemplos de métodos de Java nuevos y antiguos:

Antiguo

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();

Nuevo

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();

Guía de migración para iOS

Requisitos previos

• Se requiere Xcode 13.2.1 o una versión posterior.

Paso 1: Actualiza Cocoapods

Actualiza las dependencias de los CocoaPods de iOS del ML Kit en el Podfile de tu app:

Función	Nombres de los pods anteriores	Nombres de los nuevos pods
AutoML de etiquetado de imágenes sin descarga de modelos remotos	GoogleMLKit/ImageLabelingAutoML	GoogleMLKit/ImageLabelingCustom
AutoML de etiquetado de imágenes con descarga de modelos remotos	GoogleMLKit/ImageLabelingAutoML GoogleMLKit/LinkFirebase	GoogleMLKit/ImageLabelingCustom GoogleMLKit/LinkFirebase

Paso 2: Actualiza los nombres de las clases

Si tu clase aparece en esta tabla, realiza el cambio indicado:

Swift

Clase anterior	Clase nueva
AutoMLImageLabelerLocalModel	LocalModel
AutoMLImageLabelerRemoteModel	CustomRemoteModel
AutoMLImageLabelerOptions	CustomImageLabelerOptions

Objective-C

Clase anterior	Clase nueva
MLKAutoMLImageLabelerLocalModel	MLKLocalModel
MLKAutoMLImageLabelerRemoteModel	MLKCustomRemoteModel
MLKAutoMLImageLabelerOptions	MLKCustomImageLabelerOptions

Objective-C

Nota: Anteriormente con AutoMLImageLabelerOptions, si el elemento confidenceThreshold Si no se establece, se usará el valor predeterminado del umbral de confianza de 0.5. Ahora, con CustomImageLabelerOptions, si no se establece confidenceThreshold, se usará el valor del umbral de confianza incluido en los metadatos del modelo, si está disponible. Si no existe, se usará un valor de 0.0 en su lugar.

Paso 3: Actualiza los nombres de los métodos

Hay cambios mínimos en el código:

• LocalModel ahora se puede inicializar con una ruta de acceso de archivo de modelo (si el modelo tiene metadatos que contienen el mapa de etiquetas) o una ruta de acceso de archivo de manifiesto de modelo (si el manifiesto, el modelo y las etiquetas están en archivos separados).
• Puedes alojar un modelo personalizado de forma remota a través de Firebase console y, luego, inicializar un CustomRemoteModel con un FirebaseModelSource.

Estos son algunos ejemplos de métodos de Swift antiguos y nuevos:

Antiguo

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

Nuevo

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)

Estos son algunos ejemplos de métodos de Objective-C antiguos y nuevos:

Antiguo

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];

Nuevo

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];