Guia de migração do AutoML Vision Edge do Kit de ML

Observação: a API de rotulagem de imagens do AutoML Vision Edge foi descontinuada. As APIs de modelo personalizado (rotulagem de imagens e detecção e rastreamento de objetos) são compatíveis com modelos treinados pelo AutoML. Neste guia de migração, explicamos como migrar uma implementação atual do AutoML Vision Edge para usar a nova API de modelo personalizado.

É possível transmitir um modelo de classificação de imagem treinado pelo AutoML para as APIs de modelo personalizado. É possível continuar agrupando o modelo no seu app ou hospedá-lo no Console do Firebase como um modelo personalizado. A API de rotulagem de imagens do AutoML foi removida do Kit de ML porque foi totalmente substituída pela API Custom Model Image Labeling.

API	O que está mudando?
API de rotulagem de imagens do AutoML Vision Edge	Ela foi totalmente substituída pela API de rotulagem de imagens de modelos personalizados. A API atual de rotulagem de imagens do AutoML Vision Edge foi removida.

Se você for um usuário do Kit de ML que usa a API AutoML Vision Edge, siga as instruções de migração para Android e iOS.

Perguntas frequentes

Qual é o motivo dessa mudança?

Isso ajuda a simplificar as APIs do Kit de ML e facilita a integração do Kit de ML ao seu app. Com essa mudança, é possível usar um modelo treinado pelo AutoML exatamente da mesma forma que um modelo personalizado. Ele também permite usar modelos treinados pelo AutoML para detecção e rastreamento de objetos, além da rotulagem de imagens com suporte atualmente. Além disso, a API de modelo personalizado oferece suporte aos dois modelos com mapa de rótulos incorporado nos metadados e com arquivos separados de manifesto e rótulo.

Quais são os benefícios de migrar para o novo SDK?

• Novos recursos: capacidade de usar modelos treinados pelo AutoML para rotulagem de imagens e detecção e rastreamento de objetos, além da capacidade de usar modelos com mapa de rótulos incorporado nos metadados.

Guia de migração para Android

Etapa 1: atualizar as importações do Gradle

Atualize as dependências das bibliotecas do Android do Kit de ML no arquivo Gradle do módulo (nível do app), geralmente app/build.gradle, de acordo com a seguinte tabela:

Engenharia de	Artefatos antigos	Novo artefato
Rotulagem de imagens AutoML sem download de modelo remoto	com.google.mlkit:image-labeling-automl:16.2.1	com.google.mlkit:image-labeling-custom:16.0.0-beta5
Fazendo download do modelo remoto do AutoML de rotulação de imagens	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

Etapa 2: atualizar os nomes das classes

Se sua turma aparecer nesta tabela, faça a alteração indicada:

Classe antiga	Nova turma
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

Observação: anteriormente com AutoMLImageLabelerOptions, se o confidenceThreshold não estiver definido, um valor de limite de confiança padrão de 0.5 será usado. Agora, com CustomImageLabelerOptions, se o confidenceThreshold não estiver definido, ele usará o valor de limite de confiança incluído nos metadados do modelo, se disponível. Caso contrário, o valor 0.0 será usado.

Etapa 3: atualizar os nomes dos métodos

Há pequenas mudanças no código:

• Agora, o LocalModel pode ser inicializado com um caminho de arquivo de modelo (se o modelo tiver metadados contendo o mapa de rótulos) ou um caminho de arquivo de manifesto de modelo (se o manifesto, o modelo e os rótulos estiverem em arquivos separados).
• É possível hospedar um modelo personalizado remotamente pelo Console do Firebase e inicializar um CustomRemoteModel com um FirebaseModelSource.

Confira alguns exemplos de métodos Kotlin antigos e novos:

Antiga

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()

Novo

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()

Aqui estão alguns exemplos de métodos Java novos e antigos:

Antiga

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();

Novo

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();

Guia de migração para iOS

Pré-requisitos

• É necessário ter o Xcode 13.2.1 ou uma versão mais recente.

Etapa 1: atualizar o Cocoapods

Atualize as dependências dos cocoapods do kit de ML para iOS no Podfile do app:

Engenharia de	Nomes de pods antigos	Novos nomes de pods
Rotulagem de imagens AutoML sem download de modelo remoto	GoogleMLKit/ImageLabelingAutoML	GoogleMLKit/ImageLabelingCustom
Fazendo download do modelo remoto do AutoML de rotulação de imagens	GoogleMLKit/ImageLabelingAutoML GoogleMLKit/LinkFirebase	GoogleMLKit/ImageLabelingCustom GoogleMLKit/LinkFirebase

Etapa 2: atualizar os nomes das classes

Se sua turma aparecer nesta tabela, faça a alteração indicada:

Swift

Classe antiga	Nova turma
AutoMLImageLabelerLocalModel	LocalModel
AutoMLImageLabelerRemoteModel	CustomRemoteModel
AutoMLImageLabelerOptions	CustomImageLabelerOptions

Objective-C

Classe antiga	Nova turma
MLKAutoMLImageLabelerLocalModel	MLKLocalModel
MLKAutoMLImageLabelerRemoteModel	MLKCustomRemoteModel
MLKAutoMLImageLabelerOptions	MLKCustomImageLabelerOptions

Objective-C

Observação: anteriormente com AutoMLImageLabelerOptions, se confidenceThreshold não estiver definido, um valor de limite de confiança padrão de 0.5será usado. Agora, com CustomImageLabelerOptions, se confidenceThreshold não estiver definido, ele usará o valor de limite de confiança incluído nos metadados do modelo, se disponível. Se ele não existir, um valor de 0.0 será usado.

Etapa 3: atualizar os nomes dos métodos

Há pequenas mudanças no código:

• Agora, o LocalModel pode ser inicializado com um caminho de arquivo de modelo (se o modelo tiver metadados contendo o mapa de rótulos) ou um caminho de arquivo de manifesto de modelo (se o manifesto, o modelo e os rótulos estiverem em arquivos separados).
• É possível hospedar um modelo personalizado remotamente pelo Console do Firebase e inicializar um CustomRemoteModel com um FirebaseModelSource.

Veja alguns exemplos de métodos Swift antigos e novos:

Antiga

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

Novo

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)

Aqui estão alguns exemplos de métodos Objective-C novos e antigos:

Antiga

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];

Novo

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];