\\

Google發布TensorFlow物體檢測API，幫助開發人員和研究人員識別圖片中的物體。Google專注于提高API的易用性和性能，新的模型于6月16號發布，在基準測試中表現出良好的性能，并已經開始應用于研究工作當中。

\\

物體檢測API包含了高度依賴Inception的卷積神經網絡和簡化模型，這些模型可以運行在簡單的機器上。比如，MobileNets單次檢測器經過優化，能夠以實時的方式運行在智能手機上。

\\

早前，Google發布了輕量級的MobileNets計算機視覺模型家族，這些模型可以用于執行各種任務，如物體檢測、面部識別和地標識別。

\\

智能手機無法像臺式機或基于服務器的環境那樣處理計算資源，所以開發人員只有兩種選擇。機器學習模型可以運行在云端，但這樣會增加延遲，而且要求使用網絡連接——在很多情況下，這不是一種很好的解決方案。另一種方案是簡化模型，這樣就可以隨心隨欲地把它們署在設備上。

\\

Google、Facebook和Apple已經在這些移動模型上投入了很多資源。去年秋天，Facebook發布了Caffe2Go框架，用于構建可在智能手機上運行的模型，而Facebook自己的Style Transfer就是第一個使用了該框架的項目。在今年的I/O大會上，Google發布了TensorFlow Lite，它是一種簡化版的機器學習框架。而在剛剛結束不久的WWDC大會上，Apple發布了CoreML，CoreML旨在降低在iOS設備上運行機器學習模型的難度。

\\

當然，因為Google公有云服務的關系，它與Facebook和Apple之間有一些差異化的定位，而且這不是Google第一次發布計算機視覺服務，比如之前的Cloud Vision API。

\\

新發布的TensorFlow物體檢測API可以在GitHub上找到。Google希望能夠把它做得容易上手和實現，于是把整個工具套件都打成包，里面還包含了Jupyter Notebook。

總結

以上是生活随笔為你收集整理的Google发布新的TensorFlow物体检测API的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。