คำแนะนำในการย้ายข้อมูล AutoML Vision Edge ของ ML Kit

หมายเหตุ: ระบบเลิกใช้งาน API การติดป้ายกำกับรูปภาพ AutoML Vision Edge แล้ว API โมเดลที่กําหนดเอง (การติดป้ายกํากับรูปภาพ การตรวจจับและติดตามวัตถุ) รองรับโมเดลที่ AutoML ฝึก คู่มือการย้ายข้อมูลนี้จะอธิบายวิธีย้ายข้อมูลการใช้งาน AutoML Vision Edge ที่มีอยู่ไปใช้ API โมเดลที่กำหนดเองใหม่

คุณสามารถส่งโมเดลการจัดประเภทรูปภาพที่ AutoML ฝึกไว้ไปยัง API ของโมเดลที่กําหนดเองได้ คุณจะรวมโมเดลไว้ในแอปหรือโฮสต์โมเดลนั้นต่อก็ได้ ในคอนโซล Firebase เป็นโมเดลที่กำหนดเอง ระบบได้นำ AutoML Image Labeling API ออกจาก ML Kit แล้วเนื่องจากมี Custom Model Image Labeling API มาแทนที่อย่างสมบูรณ์

API	สิ่งที่เปลี่ยนแปลง
AutoML Vision Edge Image Labeling API	API นี้ถูกแทนที่โดย API การติดป้ายกำกับรูปภาพโมเดลที่กำหนดเองโดยสมบูรณ์ ระบบจะนำ API การติดป้ายกำกับรูปภาพ AutoML Vision Edge ที่มีอยู่ออก

หากคุณเป็นผู้ใช้ ML Kit ที่ใช้ AutoML Vision Edge API อยู่ในปัจจุบัน โปรดทําตามวิธีการย้ายข้อมูลสําหรับ Android และ iOS

คำถามที่พบบ่อย

เหตุผลในการเปลี่ยนแปลงครั้งนี้

โดยช่วยลดความซับซ้อนของ ML Kit API และผสานรวม ML Kit ได้ง่ายขึ้น แอปของคุณ การเปลี่ยนแปลงนี้ช่วยให้คุณใช้โมเดลที่ฝึกด้วย AutoML ใน ในลักษณะเดียวกับโมเดลที่กำหนดเอง นอกจากนี้ ยังช่วยให้คุณใช้โมเดลที่ฝึกด้วย AutoML ได้ สำหรับการตรวจหาและติดตามวัตถุ นอกเหนือจากการติดป้ายกำกับรูปภาพซึ่งเรา สนับสนุนอยู่ในปัจจุบัน นอกจากนี้ API โมเดลที่กำหนดเองยังรองรับทั้งโมเดลที่มีแผนที่ป้ายกำกับฝังอยู่ในข้อมูลเมตา และโมเดลที่มีไฟล์ Manifest และไฟล์ป้ายกำกับแยกกัน

ฉันจะได้รับประโยชน์อะไรบ้างจากการย้ายข้อมูลไปยัง SDK ใหม่

• ฟีเจอร์ใหม่: ความสามารถในการใช้โมเดลที่ฝึกด้วย AutoML สำหรับทั้งการติดป้ายกำกับรูปภาพ และการตรวจจับออบเจ็กต์ & การติดตามและความสามารถในการใช้โมเดลกับแมปป้ายกำกับ ที่ฝังอยู่ในข้อมูลเมตา

คำแนะนำในการย้ายข้อมูลสำหรับ Android

ขั้นตอนที่ 1: อัปเดตการนำเข้า Gradle

อัปเดตทรัพยากร Dependency สำหรับคลัง ML Kit สำหรับ Android ในไฟล์ Gradle ของโมดูล (ระดับแอป) (โดยปกติจะเป็น app/build.gradle) ตามตารางต่อไปนี้

ฟีเจอร์	อาร์ติแฟกต์เดิม	อาร์ติแฟกต์ใหม่
การติดป้ายกำกับรูปภาพด้วย AutoML โดยไม่ต้องดาวน์โหลดโมเดลจากระยะไกล	com.google.mlkit:image-labeling-automl:16.2.1	com.google.mlkit:image-labeling-custom:16.0.0-beta5
AutoML ติดป้ายกำกับรูปภาพด้วยการดาวน์โหลดโมเดลจากระยะไกล	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

ขั้นตอนที่ 2: อัปเดตชื่อชั้นเรียน

หากชั้นเรียนของคุณปรากฏในตารางนี้ ให้ทำการเปลี่ยนแปลงที่ระบุ

ชั้นเรียนเดิม	ชั้นเรียนใหม่
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

หมายเหตุ: ก่อนหน้านี้ใน AutoMLImageLabelerOptions หากไม่ได้ตั้งค่า confidenceThreshold ระบบจะใช้ค่าเกณฑ์ความเชื่อมั่นเริ่มต้นที่ 0.5 CustomImageLabelerOptions จะใช้ค่าเกณฑ์ความเชื่อมั่นที่รวมอยู่ในข้อมูลเมตาของโมเดล หากมี หากไม่ได้ตั้งค่า confidenceThreshold ถ้าไม่มีการตั้งค่าดังกล่าว ให้ใช้ค่า ของ 0.0 จะนำมาใช้แทน

ขั้นตอนที่ 3: อัปเดตชื่อเมธอด

มีการเปลี่ยนแปลงโค้ดเล็กน้อย:

• ตอนนี้คุณสามารถเริ่มต้น LocalModel ด้วยเส้นทางไฟล์โมเดล (หากโมเดลมีข้อมูลเมตาที่มีการแมปป้ายกำกับ) หรือเส้นทางไฟล์ Manifest ของโมเดล (หากไฟล์ Manifest, โมเดล และป้ายกำกับอยู่ในไฟล์แยกต่างหาก)
• คุณโฮสต์โมเดลที่กำหนดเองจากระยะไกลได้ผ่านคอนโซล Firebase และเริ่มต้น CustomRemoteModel ด้วย FirebaseModelSource

ต่อไปนี้คือตัวอย่างของเมธอด Kotlin ทั้งเก่าและใหม่

เก่า

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()

ใหม่

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()

ต่อไปนี้เป็นตัวอย่างของเมธอด Java ทั้งเก่าและใหม่

เก่า

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();

ใหม่

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();

คำแนะนำในการย้ายข้อมูลสำหรับ iOS

ข้อกำหนดเบื้องต้น

• ต้องใช้ Xcode 13.2.1 ขึ้นไป

ขั้นตอนที่ 1: อัปเดต Cocoapods

อัปเดต Dependency สำหรับ Cocoapods ของ ML Kit iOS ใน Podfile ของแอป

ฟีเจอร์	ชื่อพ็อดเก่า	ชื่อพ็อดใหม่
การติดป้ายกำกับรูปภาพ AutoML โดยไม่ต้องดาวน์โหลดโมเดลระยะไกล	GoogleMLKit/ImageLabelingAutoML	GoogleMLKit/ImageLabelingCustom
AutoML ติดป้ายกำกับรูปภาพด้วยการดาวน์โหลดโมเดลจากระยะไกล	GoogleMLKit/ImageLabelingAutoML GoogleMLKit/LinkFirebase	GoogleMLKit/ImageLabelingCustom GoogleMLKit/LinkFirebase

ขั้นตอนที่ 2: อัปเดตชื่อชั้นเรียน

หากชั้นเรียนของคุณปรากฏในตารางนี้ ให้ทำการเปลี่ยนแปลงที่ระบุ

Swift

ชั้นเรียนเดิม	ชั้นเรียนใหม่
AutoMLImageLabelerLocalModel	LocalModel
AutoMLImageLabelerRemoteModel	CustomRemoteModel
AutoMLImageLabelerOptions	CustomImageLabelerOptions

Objective-C

ชั้นเรียนเก่า	ชั้นเรียนใหม่
MLKAutoMLImageLabelerLocalModel	MLKLocalModel
MLKAutoMLImageLabelerRemoteModel	MLKCustomRemoteModel
MLKAutoMLImageLabelerOptions	MLKCustomImageLabelerOptions

Objective-C

หมายเหตุ: ก่อนหน้านี้ใน AutoMLImageLabelerOptions หากไม่ได้ตั้งค่า confidenceThreshold ระบบจะใช้ค่าเกณฑ์ความเชื่อมั่นเริ่มต้นของ 0.5 เมื่อมี CustomImageLabelerOptions หากไม่ได้ตั้งค่า confidenceThreshold ระบบจะใช้ค่าเกณฑ์ความเชื่อมั่นที่รวมอยู่ในข้อมูลเมตาของโมเดล หากมี หากไม่มี ระบบจะใช้ค่า 0.0 แทน

ขั้นตอนที่ 3: อัปเดตชื่อเมธอด

มีการเปลี่ยนแปลงโค้ดเล็กน้อย:

• ตอนนี้คุณสามารถเริ่มต้น LocalModel ด้วยเส้นทางไฟล์โมเดล (หากโมเดลมีข้อมูลเมตาที่มีการแมปป้ายกำกับ) หรือเส้นทางไฟล์ Manifest ของโมเดล (หากไฟล์ Manifest, โมเดล และป้ายกำกับอยู่ในไฟล์แยกต่างหาก)
• คุณโฮสต์โมเดลที่กำหนดเองจากระยะไกลได้ผ่านคอนโซล Firebase และเริ่มต้น CustomRemoteModel ด้วย FirebaseModelSource

ต่อไปนี้คือตัวอย่างของเมธอด Swift ทั้งเก่าและใหม่

เก่า

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

ใหม่

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)

ต่อไปนี้คือตัวอย่างของวิธีการ Objective-C ทั้งแบบเก่าและแบบใหม่

เก่า

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];

ใหม่

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];