Panduan migrasi AutoML Vision Edge ML Kit

Catatan: API pelabelan gambar AutoML Vision Edge tidak digunakan lagi. Tujuan Dukungan API model kustom (pelabelan gambar serta deteksi dan pelacakan objek) model yang dilatih oleh AutoML. Panduan migrasi ini menjelaskan cara memigrasikan penerapan AutoML Vision Edge yang ada untuk menggunakan API model kustom baru.

Anda dapat meneruskan model klasifikasi gambar yang dilatih AutoML ke API model kustom. Anda dapat terus memaketkan model di dalam aplikasi atau menghostingnya di Firebase Console sebagai model kustom. API pelabelan gambar AutoML telah dihapus dari ML Kit karena sepenuhnya diganti oleh API Pelabelan Gambar Model Kustom.

API	Apa saja yang berubah?
API pelabelan gambar AutoML Vision Edge	Fungsi ini sepenuhnya diganti dengan API pelabelan gambar Model Kustom. Yang sudah ada API pelabelan gambar AutoML Vision Edge dihapus.

Jika saat ini Anda adalah pengguna ML Kit yang menggunakan AutoML Vision Edge API, ikuti petunjuk migrasi untuk Android dan iOS.

Pertanyaan Umum (FAQ)

Apa alasan perubahan ini?

Ini membantu menyederhanakan ML Kit API, dan lebih mudah untuk mengintegrasikan ML Kit ke dalam aplikasi Anda. Dengan perubahan ini, Anda dapat menggunakan model yang dilatih AutoML dengan cara yang sama seperti model kustom. Anda juga dapat menggunakan model yang dilatih AutoML untuk Deteksi dan Pelacakan Objek, selain Pelabelan Gambar yang kami saat ini didukung. Selain itu, API model kustom mendukung model dengan peta label yang disematkan dalam metadatanya, dan model dengan file manifes dan label terpisah.

Apa manfaat yang saya dapatkan dari bermigrasi ke SDK baru?

• Fitur baru: Kemampuan untuk menggunakan model yang dilatih AutoML untuk Pelabelan Gambar dan Deteksi & Pelacakan Objek serta kemampuan untuk menggunakan model dengan peta label yang disematkan dalam metadatanya.

Panduan Migrasi untuk Android

Langkah 1: Perbarui Impor Gradle

Perbarui dependensi untuk library Android ML Kit dalam file Gradle modul (level aplikasi) (biasanya app/build.gradle) sesuai dengan tabel berikut:

Fitur	Artefak Lama	Artefak Baru
AutoML pelabelan gambar tanpa download model jarak jauh	com.google.mlkit:image-labeling-automl:16.2.1	com.google.mlkit:image-labeling-custom:16.0.0-beta5
AutoML pelabelan gambar dengan download model jarak jauh	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

Langkah 2: Perbarui nama class

Jika kelas Anda muncul dalam tabel ini, lakukan perubahan yang ditunjukkan:

Kelas lama	Kelas baru
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

Catatan: Sebelumnya dengan AutoMLImageLabelerOptions, jika confidenceThreshold tidak ditetapkan, nilai minimum keyakinan default sebesar 0.5 data yang akan digunakan. Sekarang dengan CustomImageLabelerOptions, jika confidenceThreshold tidak ditetapkan, nilai tersebut akan menggunakan nilai nilai minimum keyakinan yang disertakan dalam metadata model, jika tersedia. Jika tidak ada, nilai 0.0 akan digunakan.

Langkah 3: Perbarui nama metode

Hanya ada sedikit perubahan kode:

• LocalModel kini dapat diinisialisasi dengan jalur file model (jika model memiliki metadata yang berisi peta label) atau jalur file manifes model (jika manifes, model, dan label berada dalam file terpisah).
• Anda dapat menghosting model kustom dari jarak jauh melalui Firebase Console dan melakukan inisialisasi CustomRemoteModel dengan FirebaseModelSource.

Berikut beberapa contoh metode Kotlin lama dan baru:

Lama

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()

Baru

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()

Berikut beberapa contoh metode Java lama dan baru:

Lama

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();

Baru

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();

Panduan Migrasi untuk iOS

Prasyarat

• Memerlukan Xcode 13.2.1 atau yang lebih baru.

Langkah 1: Perbarui Cocoapod

Perbarui dependensi untuk cocoapods iOS ML Kit di Podfile aplikasi Anda:

Fitur	Nama pod lama	Nama pod baru
Pelabelan gambar AutoML tanpa download model jarak jauh	GoogleMLKit/ImageLabelingAutoML	GoogleMLKit/ImageLabelingCustom
Pelabelan gambar AutoML disertai proses download model jarak jauh	GoogleMLKit/ImageLabelingAutoML GoogleMLKit/LinkFirebase	GoogleMLKit/ImageLabelingCustom GoogleMLKit/LinkFirebase

Langkah 2: Perbarui nama class

Jika kelas Anda muncul dalam tabel ini, lakukan perubahan yang ditunjukkan:

Swift

Kelas lama	Class baru
AutoMLImageLabelerLocalModel	LocalModel
AutoMLImageLabelerRemoteModel	CustomRemoteModel
AutoMLImageLabelerOptions	CustomImageLabelerOptions

Objective-C

Kelas lama	Class baru
MLKAutoMLImageLabelerLocalModel	MLKLocalModel
MLKAutoMLImageLabelerRemoteModel	MLKCustomRemoteModel
MLKAutoMLImageLabelerOptions	MLKCustomImageLabelerOptions

Objective-C

Catatan: Sebelumnya dengan AutoMLImageLabelerOptions, jika confidenceThreshold tidak ditetapkan, nilai nilai minimum keyakinan default 0.5akan digunakan. Sekarang dengan CustomImageLabelerOptions, jika confidenceThreshold tidak disetel, hal tersebut akan gunakan nilai minimum keyakinan yang disertakan dalam metadata model, jika yang tersedia. Jika tidak ada, nilai 0.0 akan digunakan sebagai gantinya.

Langkah 3: Perbarui nama metode

Hanya ada sedikit perubahan kode:

• LocalModel kini dapat diinisialisasi dengan jalur file model (jika model memiliki metadata yang berisi peta label) atau jalur file manifes model (jika manifes, model, dan label berada dalam file terpisah).
• Anda dapat menghosting model kustom dari jarak jauh melalui Firebase Console dan melakukan inisialisasi CustomRemoteModel dengan FirebaseModelSource.

Berikut beberapa contoh metode Swift lama dan baru:

Lama

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

Baru

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)

Berikut adalah beberapa contoh metode Objective-C lama dan baru:

Lama

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];

Baru

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];