Mit AutoML Vision können Sie Modelle für das maschinelle Lernen trainieren, um Bilder nach Ihren eigenen definierten Labels zu klassifizieren.
- Modelle mit Bildern mit Label trainieren und ihre Leistung bewerten
- Einen Dienst für die Beschriftung durch Menschen für Datasets mit Bildern ohne Label nutzen
- Trainierte Modelle für die Bereitstellung über die AutoML API registrieren
Mit AutoML Vision Edge können Sie jetzt Ihre eigenen trainierten Modelle exportieren.
- Mit AutoML Vision Edge können Sie Modelle mit niedriger Latenz und hoher Genauigkeit trainieren und bereitstellen, die für Edge-Geräte optimiert sind.
- Mit Tensorflow Lite, Core ML und Container-Exportformaten unterstützt AutoML Vision Edge eine Vielzahl von Geräten.
- Unterstützte Hardwarearchitekturen: Coral Edge TPU, ARM und NVIDIA.
- Zum Erstellen einer Anwendung auf iOS- oder Android-Geräten können Sie AutoML Vision Edge im ML Kit verwenden. Diese Lösung wird über Firebase zur Verfügung gestellt und bietet mit ML Kit-Clientbibliotheken einen End-to-End-Entwicklungsablauf zum Erstellen und Bereitstellen benutzerdefinierter Modelle auf Mobilgeräten.
Leitfäden
-
Kurzanleitung: Bilder mithilfe von AutoML Vision mit Labels versehen
-
Kurzanleitung: Bilder mithilfe eines AutoML Vision Edge-Modells mit Labels versehen
-
Erste Schritte mit AutoML Vision
-
Trainingsdaten vorbereiten
-
Datasets erstellen und Bilder importieren
-
Labelerstellung durch Menschen
-
Modell bereitstellen
-
Modelle bewerten
-
Individuelle Vorhersagen treffen
-
Videos
Cloud Vision selbst testen
Erstellen Sie ein Konto, um die Leistung unserer Produkte in realen Szenarien auszuwerten.
Neukunden erhalten außerdem ein Guthaben von 300 $, um Arbeitslasten auszuführen, zu testen und bereitzustellen.