0
雷鋒網(wǎng) AI 科技評論消息，谷歌剛剛對外發(fā)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，并提供盡可能高的準確率。
雷鋒網(wǎng) 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(fā)展，神經(jīng)網(wǎng)絡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云視覺API進行計算然后把結果顯示在互聯(lián)網(wǎng)設備上的，谷歌的研究人員認為，移動設備持續(xù)高速增長的計算能力已經(jīng)可以讓這些技術隨時隨地、不受網(wǎng)絡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(huán)境下，視覺識別模型需要高效利用計算能力、能源和空間，高速運行并且保證準確率。
為了嘗試解決這些問題，谷歌于美國時間6月14日發(fā)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，提供盡可能高的準確率。MobileNets中的一系列模型都是小型、低延遲、低耗能的模型，它們?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中的模型進一步開發(fā)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(jīng)訓練好的ImageNet分類器，它們分別適用于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(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(jié) MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications.
后續(xù)報道，請繼續(xù)關注雷鋒網(wǎng) AI 科技評論
AI科技評論招業(yè)界記者啦！
在這里，你可以密切關注海外會議的大牛演講；可以采訪國內巨頭實驗室的技術專家；對人工智能的動態(tài)了如指掌；更能深入剖析AI前沿的技術與未來！
如果你：
＊對人工智能有一定的興趣或了解
* 求知欲強，具備強大的學習能力
* 有AI業(yè)界報道或者媒體經(jīng)驗優(yōu)先
簡歷投遞：
lizongren@leiphone.com
雷峰網(wǎng)版權文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
