谷歌發布新的Tensor Flow對象檢測API：特性與更多新內容

至頂網軟體頻道消息：Tensor Flow為谷歌公司新近發布的技術方案，其立足於對象檢測API以幫助開發人員與研究人員更為輕鬆地發現圖片當中所包含的各類對象。目前該項目由谷歌機器智能部門下的谷歌人腦團隊負責推進。谷歌公司將利用這項技術實現圖像搜索等各類常見任務。谷歌方面經過快速規劃後即推出了這項新功能，並最終決定將其交由開源社區進行不斷完善。該模型今天已經正式發布，其具備良好的易用性與性能表現，足以支持各類研究工作。此次發布的檢測API在設計目標上考慮到在配置水平較低的設備之上執行各類流水線式處理模型。

谷歌公司此前已經發布了囊括多種計算機視覺模型的Mobile Nets家族。此次公布的新方案能夠處理包括地標識別、位置識別以及對象檢測在內的各類任務。需要強調的是，移動手機並不具備大型台式設備級別的計算資源。因此，機器學習模型需要運行在雲環境當中並通過互聯網實現數據交互。在這樣的設計支持之下，無論服務本身擁有怎樣的資源需求，用戶都能夠享受到同樣自由的服務感受。

Tensor Flow亦適用於處理與數據流圖形相關的數字計算與開源軟體庫。各圖形的邊緣代表多維數據陣列，而圖形中的節點則代表具體數學運算。Tensor Flow數據主要分為圖形與檢查點這兩大類別。檢查點包含圖形中各變數的已保存張量值，圖形正是依靠這些值對數據流圖形進行描述。每個新建圖形都會使用新的GraphDef版本。在每個Tensor Flow的主要版本當中，其對於GraphDef版本的具體支持能力在不斷調整。Tensor Flow 1.2支持Graph Def 4到7版本，Tensor Flow 2.0則僅支持版本8，而直接放棄對版本4到7的支持。現在谷歌公司的工具已經開始自動將圖形轉化為可被最新受支持GraphDef版本使用的形式。

Tensor Flow可用於處理標籤檢測、文本檢測、面部檢測、Logo檢測以及安全搜索檢測等任務。

標籤檢測:-

對圖片進行標籤檢測可以說是最為有趣的一種內容解釋類別。模型本身將從成千上萬種類別標籤當中選擇適合當前圖像的條目，並將其映射至谷歌的官方知識圖表當中。這些特性還將配合增強語義分析、理解、圖像分類以及推理等等。Tensor Flow會對圖像執行實際檢測，並在客戶端之上提取每個單一對象的對應標籤集。如果圖像解析度不高，則所上傳的每個對象都將被視為圖像，這意味著得出的分析質量也相對較差。圖像標籤為一條字元串，其中包含相關性評分以及知識圖表參考結果。

文本檢測: –

在圖像分析領域，光學字元識別早已不算什麼新鮮事物，但其確實需要利用高解析度圖像與精確的文本提取演算法方可達成理想的效果。在谷歌公司，其vision API能夠識別多種語言，並將檢測到的本地文件以及提取到的文本內容一併返回。Restful API只返回一條字元串，其邊界框被封裝在谷歌vision API當中。字元分類則屬於內容分析當中最為簡單的一種類型，且大部分所需技術已經擁有豐富的文獻作為參考支持。

面部檢測: –

面部檢測絕非易事，其核心機制在於準確定點陣圖像當中的人臉圖案。具體來講，面部檢測並不負責實現面部識別，而僅用於初步發現對應的面部所在位置。與之相關的圖像檢測方案包含多種技術，例如皮膚紋理分析、3D分析、面部定位、面部指向以及地標位置等。

Tensor Flow 1.0

Tensor Flow 1.0版本是一套用於實現人工智慧的開源框架，其中亦包含負責建立新數據介面的人工神經網路。Tensor Flow中囊括了多種可支持向量機的傳統機器學習工具。另外，其還提供採用Theano深度學習框架的Python Keras庫。Tensor Flow編譯器則負責將XLA編譯圖像解析為能夠匹配底層計算基礎設施的彙編語言。

Tensor Flow 1.0版本支持Python API，且其實際運行表現目前已經非常穩定。大家也可以體驗目前尚處於實驗階段的Java API。此版本提供的高級API能夠構建卷積神經網路以及loss函數運算。谷歌公司強調稱，其引入了一套tf.transform庫以配合Tensor Flow進行數據處理。Tf.transform庫的介入避免了Tensor Flow 1.0以下版本所存在的生產數據與模型訓練基礎數據存在差異的問題。另外，谷歌公司還提供雲機器學習服務，負責立足谷歌自身雲基礎設施實現Tensor Flow運行。最後，1.0版本還包含合作行調試工具。

Tensor Flow 1.0相關特性:

Tensor Flow能夠幫助工程師、藝術家、學生以及其他用戶群體完成各類任務，包括語言翻譯、皮膚癌檢測乃至預防糖尿病患者出現失明癥狀等等。作為首個正式版本，Tensor Flow 1.0立足山景城谷歌公司總部並在世界範圍內引起了重大反響。

速度更快: –

其運行速度相當出色。XLA的引入則為未來進一步提升性能表現提供了堅實的基礎。Tensor Flow能夠對您的模型加以調整，從而實現最佳速度水平。Tensor Flow 1.0及其更新模型充分證明了Tensor Flow在速度方面的優秀表現。Tensor Flow 1.0之所以速度更快，是因為其可在8 GPU環境下實現7.3倍的Inception v3運行速度，而64 GPU環境下的分布式Inception v3運行速度更可提升58倍。

靈活性: –

Tensor Flow 1.0中包含的Keras是一套高級神經網路庫，這套模塊可為此次推出的新版本提供高水平兼容性。Tensor Flow還引入了高級API tf.losses、tf.metrics以及tf.layers模塊。

更適用於生產環境: –

Tensor Flow面向多種不同語言提供API選項以構建並執行Tensor Flow圖形，但其中Python API的易用性最為出色。Tensor Flow 1.0版本中包含的Python AIP能夠提供更理想的穩定性，同時能夠在無需破壞現有代碼的前提下輕鬆添加新功能。目前Tensor Flow 1.0提供API的受支持語言包括Python、C++、Java以及Go。

總結:

本篇文章主要探討谷歌推出的新工具Tensor Flow。Tensor Flow為專門用於從圖像當中檢測對象之對象檢測API。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！