Google釋出全新TensorFlow物件辨識API:不僅可在手機運作,甚至不用聯網

Google
Google宣佈對外發佈全新的TensorFlow物件辨識API,方便開發者在更多裝置上運作。

上周,Google宣佈對外發佈全新的TensorFlow物件辨識API,讓研究人員及開發者,更容易在同一張圖片中辨識及定位多個不同對象,Google稱團隊為此已經努力了相當長的時間。

更輕巧的TensorFlow,將足以應付在行動裝置上運作

前年Google宣佈開源自家的深度學習平台TensorFlow,接著在今年二月的TensorFlow開發者大會上推出「TensorFlow 1.0」。

Google在當時表示,在TensorFlow發表的第一年裡,就協助工程師、藝術家、研究人員取得巨大研究進展,這些研究包括了機器翻譯、早期皮膚癌偵測等,共計應用在多達6,000個開源資源程式庫中;同時,Google也成功將這項技術應用在Nest Cam、圖片蒐尋、街景地圖上。

Google稱投入大量的時間在全新的TensorFlow物件偵測API上,讓開發者跟研究人員更容易辨識單一圖片中多個不同的物件;模型中包括偵測API、卷積神經網絡,特色是可以更容易在像是手機等較不複雜的裝置上運作。

推出輕巧版的TensorFlow之所以重要,在於如果模型是在一般的裝置上運作,每次都必須將資料轉移到雲端,過程不僅麻煩、導致延遲,還需要一個功能齊全的網路連結,方便數據傳輸,而這並不是一個有效率的方法。因此Google所釋出的新版本,將會更輕巧、足以在行動裝置上運作。外媒《The Tech Portal》評論,雖然在行動裝置上仍不能發揮100%實力,但功能已經足以應付基礎使用,而且不需要網路連結。

Facebook、蘋果也曾投入努力

TensorFlow物件偵測API可以訓練的檢測模型包括MobileNet、卷積神經網絡等,這些模型可以應付物件偵測、及地標辨識,且可以在雲端進行訓練。

Google、Facebook、蘋果都曾投入不同努力,去年秋天,Facebook宣布推出專為手機設計的機器學習框架Caffe2Go,也被用於Facebook的風格特效相機;今年在Google I/O亮相的TensorFlow Lite自家精簡版的機器學習框架;剛落幕的WWDC 2017蘋果推出了Core ML,試圖降低在iOS裝置上運行機器學習的困難度。

TensorFlow物件偵測API可以在這裡找到,Google重新設計得更加操作簡單,整個工具包搭配一個Jupyter筆記本及基於Google雲端的評價體系。

資料來源:TechCrunchThe Tech PortalThe Tech News

TensorFlow
TensorFlow
TensorFlow 是 Google 繼 2011 年開發了 DistBelief 之後,透過使用資料流 (flow) 圖像,來進行數值演算的新一代開源機器學習工具,容許開發者自由配置運算環境來做深度神經網絡研究,但也足以支持普通環境所需要的服務(例如透過影片進行圖像辨識);你可以部署 TensorFlow 在使用一個或多個 CPU 或 GPU的桌機或伺服器上,也可以透過一個 API 部署在行動裝置裡。 (來源: Tensorflow中文社區數位時代 )
追蹤我們