Guida alla migrazione ad AutoML Vision Edge di ML Kit

Nota: l'API di etichettatura delle immagini AutoML Vision Edge è stata ritirata. Le API di modelli personalizzati (tagging delle immagini, rilevamento e monitoraggio degli oggetti) supportano i modelli addestrati da AutoML. Questa guida alla migrazione spiega come eseguire la migrazione di un'implementazione AutoML Vision Edge esistente per utilizzare la nuova API di modelli personalizzati.

Puoi passare un modello di classificazione delle immagini addestrato con AutoML alle API del modello personalizzato. Puoi continuare a includere il modello all'interno della tua app o ospitarlo nella Console Firebase come modello personalizzato. L'API di etichettatura delle immagini AutoML è stata rimossa da ML Kit perché è stata completamente sostituita dall'API di etichettatura delle immagini dei modelli personalizzati.

API	Che cosa cambia?
API di etichettatura delle immagini AutoML Vision Edge	È completamente sostituita dall'API di etichettatura delle immagini del modello personalizzato. L'API di etichettatura delle immagini AutoML Vision Edge esistente viene rimossa.

Se al momento sei un utente di ML Kit che utilizza l'API AutoML Vision Edge, segui le istruzioni per la migrazione per Android e iOS.

Domande frequenti

Perché questa modifica?

Contribuisce a semplificare le API ML Kit e semplifica l'integrazione di ML Kit nella tua app. Con questa modifica, puoi utilizzare un modello addestrato con AutoML esattamente come un modello personalizzato. Inoltre, ti consente di utilizzare i modelli addestrati con AutoML per il rilevamento e il monitoraggio degli oggetti, oltre all'etichettatura delle immagini attualmente supportata. Inoltre, l'API del modello personalizzato supporta sia i modelli con mappa di etichette incorporata nei metadati sia i modelli con file manifest e etichette separati.

Quali sono i vantaggi della migrazione al nuovo SDK?

• Nuove funzionalità: possibilità di utilizzare i modelli addestrati con AutoML sia per l'etichettatura delle immagini sia per il rilevamento e il monitoraggio degli oggetti, nonché la possibilità di utilizzare i modelli con mappa di etichette incorporata nei metadati.

Guida alla migrazione per Android

Passaggio 1: aggiorna le importazioni di Gradle

Aggiorna le dipendenze per le librerie Android di ML Kit nel file Gradle del tuo modulo (a livello di app) (di solito app/build.gradle) in base alla seguente tabella:

Funzionalità	Artefatti precedenti	Nuovo artefatto
Etichettamento delle immagini AutoML senza download del modello da remoto	com.google.mlkit:image-labeling-automl:16.2.1	com.google.mlkit:image-labeling-custom:16.0.0-beta5
Etichettamento delle immagini AutoML con il download del modello da remoto	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

Passaggio 2: aggiorna i nomi dei corsi

Se il tuo corso è presente in questa tabella, apporta la modifica indicata:

Corso precedente	Nuovo corso
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: in precedenza, con AutoMLImageLabelerOptions, se confidenceThreshold non è impostato, veniva utilizzato un valore predefinito della soglia di confidenza pari a 0.5. Ora, con CustomImageLabelerOptions, se confidenceThreshold non è impostato, verrà utilizzato il valore della soglia di confidenza incluso nei metadati del modello, se disponibile. In caso contrario, verrà utilizzato un valore di 0.0.

Passaggio 3: aggiorna i nomi dei metodi

Sono necessarie modifiche minime al codice:

• Ora LocalModel può essere inizializzato con il percorso del file del modello (se il modello contiene metadati contenenti la mappa delle etichette) o con il percorso del file manifest del modello (se il manifest, il modello e le etichette si trovano in file separati).
• Puoi ospitare un modello personalizzato in remoto tramite la Console Firebase e inizializzare un CustomRemoteModel con un FirebaseModelSource.

Ecco alcuni esempi di metodi Kotlin vecchi e nuovi:

VecchioNuovo

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()

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()

Ecco alcuni esempi di metodi Java vecchi e nuovi:

VecchioNuovo

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();

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();

Guida alla migrazione per iOS

Prerequisiti

• È richiesta Xcode 13.2.1 o versioni successive.

Passaggio 1: aggiorna Cocoapods

Aggiorna le dipendenze per i cocoapod di ML Kit per iOS nel file Podfile dell'app:

Funzionalità	Nomi dei pod precedenti	Nomi dei nuovi pod
Etichettamento delle immagini AutoML senza download del modello da remoto	GoogleMLKit/ImageLabelingAutoML	GoogleMLKit/ImageLabelingCustom
Etichettamento delle immagini AutoML con il download del modello da remoto	GoogleMLKit/ImageLabelingAutoML GoogleMLKit/LinkFirebase	GoogleMLKit/ImageLabelingCustom GoogleMLKit/LinkFirebase

Passaggio 2: aggiorna i nomi dei corsi

Se il tuo corso è presente in questa tabella, apporta la modifica indicata:

SwiftObjective-CObjective-C

Corso precedente	Nuovo corso
AutoMLImageLabelerLocalModel	LocalModel
AutoMLImageLabelerRemoteModel	CustomRemoteModel
AutoMLImageLabelerOptions	CustomImageLabelerOptions

Corso precedente	Nuovo corso
MLKAutoMLImageLabelerLocalModel	MLKLocalModel
MLKAutoMLImageLabelerRemoteModel	MLKCustomRemoteModel
MLKAutoMLImageLabelerOptions	MLKCustomImageLabelerOptions

Nota: in precedenza, con AutoMLImageLabelerOptions, se confidenceThreshold non è impostato, veniva utilizzato un valore predefinito della soglia di confidenza pari a 0.5. Ora con CustomImageLabelerOptions, se confidenceThreshold non è impostato, verrà usato il valore della soglia di confidenza incluso nei metadati del modello, se disponibile. In caso contrario, verrà utilizzato il valore 0.0.

Passaggio 3: aggiorna i nomi dei metodi

Sono necessarie modifiche minime al codice:

• Ora LocalModel può essere inizializzato con il percorso del file del modello (se il modello contiene metadati contenenti la mappa delle etichette) o con il percorso del file manifest del modello (se il manifest, il modello e le etichette si trovano in file separati).
• Puoi ospitare un modello personalizzato in remoto tramite la Console Firebase e inizializzare un CustomRemoteModel con un FirebaseModelSource.

Ecco alcuni esempi di metodi Swift vecchi e nuovi:

VecchioNuovo

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

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)

Ecco alcuni esempi di metodi Objective-C vecchi e nuovi:

VecchioNuovo

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];

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];