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。
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