利用AI 谷歌讓手機面部識別達到創紀錄的速度和精度

騰訊科技訊 8月8日消息，據外媒報道，在智能手機領域，檢測目標、分類圖像和識別人臉的應用程序並不新鮮，比如Google Lens和Snapchat等應用程序就很受歡迎。但無處不在並不能替代質量，而最常用的機器學習模型（卷積神經網路）要麼速度較慢，要麼不夠準確。

然而，希望就在眼前。谷歌的研究人員已經開發出一種人工智慧(AI)模型選擇方法，以達到創紀錄的速度和精度。

在最新的論文和博客文章中，谷歌團隊描述了新的自動化系統MnasNet，它從候選列表中識別出理想的神經架構，結合強化學習來考慮移動速度限制。在這項研究中，MnasNet在特定的設備上執行不同的模型，並測量它們在現實世界中的性能，自動從中選出最好的。

研究人員在博客中寫道:「通過這種方式，我們可以直接衡量在現實生活中可以實現的東西，因為每種移動設備都有自己的軟體和硬體特性，可能需要不同的架構才能在準確性和速度之間取得最佳平衡。」

MnasNet系統由三個部分組成：1)一個循環神經網路驅動的控制器，用來學習和採樣模型的體系結構；2)一個構建和訓練模型的訓練器；3）一個由TensorFlow Lite驅動的推理引擎，可以測量模型的速度。

谷歌團隊在ImageNet（斯坦福大學和普林斯頓大學維護的圖像資料庫）和COCO對象識別數據集的公共對象上測試了其最優模型。結果顯示，這些模型比最先進的移動模型MobileNetV2快1.5倍，比神經結構搜索系統NASNet快2.4倍。

與此同時，在COCO上，谷歌的模型在MobileNet上實現了「更高的精度和更高的速度」，其計算成本比SSD300模型低35倍。

研究團隊稱：「我們很高興看到我們的自動化方法可以在多個複雜的移動視覺任務上實現最先進的性能。將來，我們計劃將更多的操作和優化納入我們的搜索領域，並將其應用於更多的移動視覺任務，如語義分割。」

這項研究是在「前沿」和「離線」人工智慧獲得發展動力之際進行的，尤其是在移動領域。在今年6月召開的2018年全球開發者大會上，蘋果推出了改進版ML Core，這是一款面向iOS設備的機器學習框架。

在谷歌2018年I/O開發者大會上，谷歌發布了ML Kit，這是個軟體開發工具包，它包含了許多工具，使得在應用程序中更容易部署定製的TensorFlow Lite模型。（編譯/金鹿）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！