Guide de migration d'AutoML Vision Edge du ML Kit

Vous pouvez transmettre au modèle personnalisé un modèle de classification d'images entraîné par AutoML API. Vous pouvez continuer à regrouper le modèle dans votre application ou à l'héberger dans la console Firebase en tant que modèle personnalisé. L'API d'étiquetage d'images AutoML supprimé de ML Kit, car il a été entièrement remplacé par l'image du modèle personnalisé API d'étiquetage.

Si vous utilisez actuellement ML Kit et que vous utilisez l'API AutoML Vision Edge, veuillez suivez les instructions de migration pour Android et iOS.

Questions fréquentes

Pourquoi ce changement ?

Il simplifie les API ML Kit et facilite son intégration dans votre application. Cette modification vous permet d'utiliser un modèle entraîné par AutoML de la même manière qu'un modèle personnalisé. Il vous permet également d'utiliser des modèles entraînés par AutoML pour la détection et le suivi d'objets, en plus du libellé d'image que nous acceptons actuellement. De plus, l'API des modèles personnalisés est compatible avec les deux modèles, carte d'étiquettes intégrée dans ses métadonnées, et modèles avec des fichiers manifestes et des modèles distincts fichiers de libellés.

Quels sont les avantages de la migration vers le nouveau SDK ?

• Nouvelles fonctionnalités: possibilité d'utiliser des modèles entraînés par AutoML pour l'étiquetage d'images et détection d'objets et Suivi et possibilité d'utiliser des modèles avec la carte d'étiquettes intégrées dans ses métadonnées.

Guide de migration pour Android

Étape 1 : Mettre à jour les importations Gradle

Mettre à jour les dépendances des bibliothèques Android ML Kit dans votre module fichier Gradle (au niveau de l'application) (généralement app/build.gradle), comme suit : tableau:

Étape 2 : Mettre à jour les noms de classe

Si votre cours figure dans ce tableau, effectuez la modification indiquée :

Étape 3: Mettez à jour le nom des méthodes

Les modifications de code sont minimes :

• LocalModel peut désormais être initialisé avec un chemin d'accès au fichier de modèle (si le modèle contient des métadonnées contenant la carte des étiquettes) ou un chemin d'accès au fichier manifeste du modèle (si le fichier manifeste, le modèle et les étiquettes se trouvent dans des fichiers distincts).
• Vous pouvez héberger un modèle personnalisé à distance via la console Firebase et initialiser un CustomRemoteModel avec un FirebaseModelSource.

Voici quelques exemples d'anciennes et de nouvelles méthodes Kotlin:

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()

Voici quelques exemples d'anciennes et de nouvelles méthodes Java :

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();

Guide de migration pour iOS

Prérequis

• Xcode 13.2.1 ou version ultérieure est requis.

Étape 1 : Mettez à jour Cocoapods

Mettez à jour les dépendances des CocoaPods iOS ML Kit dans le fichier Podfile de votre application :

Étape 2: Modifiez les noms des classes

Si votre cours figure dans ce tableau, effectuez la modification indiquée:

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)

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];