Google加快手机应用程序中的图像识别

基于云计算的人工智能即将过时，因为像芯片设ARM，脸谱网和苹果公司等企业正推动将深度学习装进你的手机里面。

Google希望将深度学习传播给更多的开发人员，因此它推出了一款名为MobileNets的人工智能视觉手机模型。Engadget说这个想法是使已经经过培训的低功耗图像识别能成为可能，因此开发人员可以添加成像功能，而不需要使用缓慢的、数据缺乏和潜在的侵入式云计算。

Google已经将应用开源，因此任何开发人员都可以采用它。它可以执行诸如物体检测，面部属性识别，细粒度分类（例如识别狗的品种）和地标识别等杂项。该技术是TensorFlow的一部分，Google的深度学习模式最近在成为TensorFlow Lite的新版本中缩小到可移动大小。

MobileNets不是一刀切的，因为Google实际上已经构建了16种预先训练的模型，用于各种规模的移动项目。“项目越大，识别地标，面孔或者狗狗越大越好，大多数CPU密集型产品和精度达到70.7%和89.5%。这些与Google基于云计算的人工智能并不相差很大，我们检查过可以识别并标注大约94%准确度。”

通过使用不同的预先训练的模型，开发人员可以选择最适合应用的内存和处理要求的模型。为了集成新的模型，开发人员需要使用TensorFlow Mobile, 该系统旨意简化 iOS和Android上人工智能应用的部署。

从消费者的角度来看，您可能会开始看到可以进行基本图像识别和其他有用功的应用，具有更快的速度，更少的数据使用和更好的隐私。一个例子可以是Google新产品 Lense，它可以使用智能手机和运处理的组合来挑选地标，产品和面孔。不过，这个技术可能不会有大的进步，知道我们看到支持它的新芯片，Google和苹果则正在往这方面努力着。

本文由以下网址重新发布：http://www.panarmenian.net/eng/news/242138/Google_seeks_to_speed_up_image_recognition_in_mobile_apps#sthash.RSR4WjSl.dpuf