谷歌開源計算機視覺模型MobileNets:專為不同級別移動設備優化
雷鋒網 AI 科技評論消息,谷歌剛剛對外發布了開源計算機視覺模型MobileNets。MobileNets是一系列為移動和嵌入式設備設計的計算機視覺模型,它可以利用設備有限的資源高效運行,並提供儘可能高的準確率。
雷鋒網 AI 科技評論從谷歌開源博客了解到了更多信息,介紹如下。
在深度學習的支持下,計算機視覺近幾年得到了突飛猛進的發展,神經網路的使用不斷把識別視覺技術推上新的高度。雖然目前包括識別物體、地標、logo、文字在內的許許多多計算機視覺技術都是通過雲視覺API進行計算然後把結果顯示在互聯網設備上的,谷歌的研究人員認為,移動設備持續高速增長的計算能力已經可以讓這些技術隨時隨地、不受網路限制地給用戶提供服務。
不過,在手持設備和嵌入式應用上做視覺識別目前還有不少困難,在這樣資源及其有限的環境下,視覺識別模型需要高效利用計算能力、能源和空間,高速運行並且保證準確率。
為了嘗試解決這些問題,谷歌於美國時間6月14日發布了MobileNets。MobileNets是一系列為移動設備設計、用在TensorFlow中的計算機視覺模型,它們的設計目標是在手持或者嵌入式設備有限的資源下高效地運行,提供儘可能高的準確率。MobileNets中的一系列模型都是小型、低延遲、低耗能的模型,它們為多種不同使用場景下的有限資源做了針對性的參數優化。開發者可以像用Inception這樣的大型熱門模型一樣地用MobileNets中的模型進一步開發分類、識別、嵌入和細分功能。
基於MobileNets在移動設備上進行檢測、細粒度分類、屬性和地標檢測應用的例子這個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個已經訓練好的ImageNet分類器,它們分別適用於不同大小的移動設備或者移動應用中。這些模型配合TensorFlow Mobile可以在移動設備上高效地運行。
現在MobileNets已經共享到開源社區,谷歌的研發人員們對此表示很開心。
MobileNets如何上手,請見 TensorFlow-Slim Image Classification Library.
如何在移動設備運行機器學習模型,請見 TensorFlow Mobile
谷歌的論文里有更多技術細節 MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications.
後續報道,請繼續關注雷鋒網 AI 科技評論
※深度 | 讓AI學會思考,可能要先教會它畫畫
※特斯拉首張Model Y海報 沒有後視鏡,並單獨修建車廠?
TAG:雷鋒網 |
※Facebook開源物體識別工具Detectron,加速計算機視覺研究
※Facebook開源「Detectron」,用於AR研究的計算機視覺演算法!
※Google開源VR渲染優化工具Seurat
※谷歌開源新模型EfficientNet,或成計算機視覺任務新基礎
※加速AR對象分類,Facebook開源計算機視覺演算法Detectron
※Mozilla 推出開源瀏覽器 Firefox Reality,專為 VR 一體機和 AR 頭顯開發
※開源項目精選:機器學習開源框架 TensorFlow
※Mozilla推出開源瀏覽器Firefox Reality,專為VR一體機開發
※Facebook開源適用於VR的動態模糊AI演算法:DeepFocus
※Facebook開源用於VR的動態模糊演算法DeepFocus
※Salesforce開源構建Einstein AI模型的工具
※Facebook 發布無梯度優化開源工具 Nevergrad,可應用於各類機器學習問題
※Google 開源 AdaNet:快速靈活的輕量級 AutoML 框架
※Midori:輕量級開源 Web 瀏覽器
※IBM開源Kabanero工具推進Kubernetes應用協作
※Google 以 AI 帶來音樂科技革命──開源硬體合成器 NSynth Super 用聲響融合調製出新音色
※開源機器學習伺服器——PredictionIO
※谷歌開源Live Transcribe語音識別轉文字工具
※Google 開源 robots.txt 解析器,推動 REP 標準化
※FAIR開源Tensor Comprehensions,讓機器學習與數學運算高性能銜接