0
雷鋒網(wǎng) AI 科技評(píng)論消息，谷歌剛剛對外發(fā)布了開源計(jì)算機(jī)視覺模型MobileNets。MobileNets是一系列為移動(dòng)和嵌入式設(shè)備設(shè)計(jì)的計(jì)算機(jī)視覺模型，它可以利用設(shè)備有限的資源高效運(yùn)行，并提供盡可能高的準(zhǔn)確率。
雷鋒網(wǎng) AI 科技評(píng)論從谷歌開源博客了解到了更多信息，介紹如下。
在深度學(xué)習(xí)的支持下，計(jì)算機(jī)視覺近幾年得到了突飛猛進(jìn)的發(fā)展，神經(jīng)網(wǎng)絡(luò)的使用不斷把識(shí)別視覺技術(shù)推上新的高度。雖然目前包括識(shí)別物體、地標(biāo)、logo、文字在內(nèi)的許許多多計(jì)算機(jī)視覺技術(shù)都是通過云視覺API進(jìn)行計(jì)算然后把結(jié)果顯示在互聯(lián)網(wǎng)設(shè)備上的，谷歌的研究人員認(rèn)為，移動(dòng)設(shè)備持續(xù)高速增長的計(jì)算能力已經(jīng)可以讓這些技術(shù)隨時(shí)隨地、不受網(wǎng)絡(luò)限制地給用戶提供服務(wù)。
不過，在手持設(shè)備和嵌入式應(yīng)用上做視覺識(shí)別目前還有不少困難，在這樣資源及其有限的環(huán)境下，視覺識(shí)別模型需要高效利用計(jì)算能力、能源和空間，高速運(yùn)行并且保證準(zhǔn)確率。
為了嘗試解決這些問題，谷歌于美國時(shí)間6月14日發(fā)布了MobileNets。MobileNets是一系列為移動(dòng)設(shè)備設(shè)計(jì)、用在TensorFlow中的計(jì)算機(jī)視覺模型，它們的設(shè)計(jì)目標(biāo)是在手持或者嵌入式設(shè)備有限的資源下高效地運(yùn)行，提供盡可能高的準(zhǔn)確率。MobileNets中的一系列模型都是小型、低延遲、低耗能的模型，它們?yōu)槎喾N不同使用場景下的有限資源做了針對性的參數(shù)優(yōu)化。開發(fā)者可以像用Inception這樣的大型熱門模型一樣地用MobileNets中的模型進(jìn)一步開發(fā)分類、識(shí)別、嵌入和細(xì)分功能。
這個(gè)MobileNets版本包含了這些模型在TensorFlow中的定義（具體使用的是TF-Slim），也包含16個(gè)已經(jīng)訓(xùn)練好的ImageNet分類器，它們分別適用于不同大小的移動(dòng)設(shè)備或者移動(dòng)應(yīng)用中。這些模型配合TensorFlow Mobile可以在移動(dòng)設(shè)備上高效地運(yùn)行。
現(xiàn)在MobileNets已經(jīng)共享到開源社區(qū)，谷歌的研發(fā)人員們對此表示很開心。
MobileNets如何上手，請見 TensorFlow-Slim Image Classification Library.
如何在移動(dòng)設(shè)備運(yùn)行機(jī)器學(xué)習(xí)模型，請見 TensorFlow Mobile
谷歌的論文里有更多技術(shù)細(xì)節(jié) MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications.
后續(xù)報(bào)道，請繼續(xù)關(guān)注雷鋒網(wǎng) AI 科技評(píng)論
AI科技評(píng)論招業(yè)界記者啦！
在這里，你可以密切關(guān)注海外會(huì)議的大牛演講；可以采訪國內(nèi)巨頭實(shí)驗(yàn)室的技術(shù)專家；對人工智能的動(dòng)態(tài)了如指掌；更能深入剖析AI前沿的技術(shù)與未來！
如果你：
＊對人工智能有一定的興趣或了解
* 求知欲強(qiáng)，具備強(qiáng)大的學(xué)習(xí)能力
* 有AI業(yè)界報(bào)道或者媒體經(jīng)驗(yàn)優(yōu)先
簡歷投遞：
lizongren@leiphone.com
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
