ML Kit AutoML Vision Edge-Migrationsanleitung

Hinweis: Die AutoML Vision Edge API für Bildlabels wurde eingestellt. Die Unterstützung von APIs für benutzerdefinierte Modelle (Bildlabeling sowie Objekterkennung und -tracking) von AutoML trainierten Modellen. In dieser Migrationsanleitung wird erläutert, wie ein vorhandene AutoML Vision Edge-Implementierung, um die neue API für benutzerdefinierte Modelle zu verwenden.

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

API	Was ändert sich?
AutoML Vision Edge API für Bild-Labeling	Sie wird vollständig durch die API für die Bildbeschriftung mit benutzerdefinierten Modellen 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 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:

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 Kursinhalte	Neue Klasse
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

Hinweis: Bisher wurde mit AutoMLImageLabelerOptions der Wert confidenceThreshold ist nicht festgelegt, ein standardmäßiger Konfidenzgrenzwert von 0.5 verwendet werden. Jetzt mit CustomImageLabelerOptions, wenn das Attribut confidenceThreshold nicht festgelegt ist, wird der Konfidenzgrenzwert verwendet in den Modellmetadaten enthalten, sofern verfügbar. Ist das nicht der Fall, wird stattdessen der Wert 0.0 verwendet.

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:

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 Ihrer App:

Funktion	Alter Pod-Name(n)	Neuer Pod-Name(n)
AutoML für Bild-Labeling ohne Remote-Modelldownload	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 aufgeführt ist, nehmen Sie die angegebene Änderung vor:

Swift

Alte Kursinhalte	Neuer Kurs
AutoMLImageLabelerLocalModel	LocalModel
AutoMLImageLabelerRemoteModel	CustomRemoteModel
AutoMLImageLabelerOptions	CustomImageLabelerOptions

Objective-C

Alte Klasse	Neuer Kurs
MLKAutoMLImageLabelerLocalModel	MLKLocalModel
MLKAutoMLImageLabelerRemoteModel	MLKCustomRemoteModel
MLKAutoMLImageLabelerOptions	MLKCustomImageLabelerOptions

Objective-C

Hinweis: Zuvor mit AutoMLImageLabelerOptions, wenn der confidenceThreshold nicht festgelegt ist, wird der standardmäßige Konfidenzgrenzwert 0.5 verwendet. Jetzt mit CustomImageLabelerOptions, wenn confidenceThreshold nicht festgelegt ist, geschieht Folgendes: Verwenden Sie den in den Modellmetadaten enthaltenen Konfidenzgrenzwert, wenn verfügbar. Ist das nicht der Fall, wird stattdessen der Wert 0.0 verwendet.

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 remote über die Firebase Console hosten und ein CustomRemoteModel mit einem FirebaseModelSource 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];