谷歌发布新的Tensor Flow对象检测API：特性与更多新内容
2018-06-11 来源：
Tensor Flow为谷歌公司新近发布的技术方案，其立足于对象检测API以帮助开发人员与研究人员更为轻松地发现图片当中所包含的各类对象。目前该项目由谷歌机器智能部门下的谷歌人脑团队负责推进。谷歌公司将利用这项技术实现图像搜索等各类常见任务。谷歌方面经过快速规划后即推出了这项新功能，并最终决定将其交由开源社区进行不断完善。该模型今天已经正式发布，其具备良好的易用性与性能表现，足以支持各类研究工作。此次发布的检测API在设计目标上考虑到在配置水平较低的设备之上执行各类流水线式处理模型。
谷歌公司此前已经发布了囊括多种计算机视觉模型的Mobile Nets家族。此次公布的新方案能够处理包括地标识别、位置识别以及对象检测在内的各类任务。需要强调的是，移动手机并不具备大型台式设备级别的计算资源。因此，机器学习模型需要运行在云环境当中并通过互联网实现数据交互。在这样的设计支持之下，无论服务本身拥有怎样的资源需求，用户都能够享受到同样自由的服务感受。
Tensor Flow亦适用于处理与数据流图形相关的数字计算与开源软件库。各图形的边缘代表多维数据阵列，而图形中的节点则代表具体数学运算。Tensor Flow数据主要分为图形与检查点这两大类别。检查点包含图形中各变量的已保存张量值，图形正是依靠这些值对数据流图形进行描述。每个新建图形都会使用新的GraphDef版本。在每个Tensor Flow的主要版本当中，其对于GraphDef版本的具体支持能力在不断调整。Tensor Flow 1.2支持Graph Def 4到7版本，Tensor Flow 2.0则仅支持版本8，而直接放弃对版本4到7的支持。现在谷歌公司的工具已经开始自动将图形转化为可被最新受支持GraphDef版本使用的形式。
Tensor Flow可用于处理标签检测、文本检测、面部检测、Logo检测以及安全搜索检测等任务。
标签检测:-
对图片进行标签检测可以说是最为有趣的一种内容解释类别。模型本身将从成千上万种类别标签当中选择适合当前图像的条目，并将其映射至谷歌的官方知识图表当中。这些特性还将配合增强语义分析、理解、图像分类以及推理等等。Tensor Flow会对图像执行实际检测，并在客户端之上提取每个单一对象的对应标签集。如果图像分辨率不高，则所上传的每个对象都将被视为图像，这意味着得出的分析质量也相对较差。图像标签为一条字符串，其中包含相关性评分以及知识图表参考结果。
文本检测: –
在图像分析领域，光学字符识别早已不算什么新鲜事物，但其确实需要利用高分辨率图像与精确的文本提取算法方可达成理想的效果。在谷歌公司，其vision API能够识别多种语言，并将检测到的本地文件以及提取到的文本内容一并返回。Restful API只返回一条字符串，其边界框被封装在谷歌vision API当中。字符分类则属于内容分析当中最为简单的一种类型，且大部分所需技术已经拥有丰富的文献作为参考支持。
面部检测: –
面部检测绝非易事，其核心机制在于准确定位图像当中的人脸图案。具体来讲，面部检测并不负责实现面部识别，而仅用于初步发现对应的面部所在位置。与之相关的图像检测方案包含多种技术，例如皮肤纹理分析、3D分析、面部定位、面部指向以及地标位置等。
Tensor Flow 1.0
Tensor Flow 1.0版本是一套用于实现人工智能的开源框架，其中亦包含负责建立新数据接口的人工神经网络。Tensor Flow中囊括了多种可支持向量机的传统机器学习工具。另外，其还提供采用Theano深度学习框架的Python Keras库。Tensor Flow编译器则负责将XLA编译图像解析为能够匹配底层计算基础设施的汇编语言。
Tensor Flow 1.0版本支持Python API，且其实际运行表现目前已经非常稳定。大家也可以体验目前尚处于实验阶段的Java API。此版本提供的高级API能够构建卷积神经网络以及loss函数运算。谷歌公司强调称，其引入了一套tf.transform库以配合Tensor Flow进行数据处理。Tf.transform库的介入避免了Tensor Flow 1.0以下版本所存在的生产数据与模型训练基础数据存在差异的问题。另外，谷歌公司还提供云机器学习服务，负责立足谷歌自身云基础设施实现Tensor Flow运行。最后，1.0版本还包含合作行调试工具。
Tensor Flow 1.0相关特性:
Tensor Flow能够帮助工程师、艺术家、学生以及其他用户群体完成各类任务，包括语言翻译、皮肤癌检测乃至预防糖尿病患者出现失明症状等等。作为首个正式版本，Tensor Flow 1.0立足山景城谷歌公司总部并在世界范围内引起了重大反响。
速度更快: –
其运行速度相当出色。XLA的引入则为未来进一步提升性能表现提供了坚实的基础。Tensor Flow能够对您的模型加以调整，从而实现最佳速度水平。Tensor Flow 1.0及其更新模型充分证明了Tensor Flow在速度方面的优秀表现。Tensor Flow 1.0之所以速度更快，是因为其可在8 GPU环境下实现7.3倍的Inception v3运行速度，而64 GPU环境下的分布式Inception v3运行速度更可提升58倍。
灵活性: –
Tensor Flow 1.0中包含的Keras是一套高级神经网络库，这套模块可为此次推出的新版本提供高水平兼容性。Tensor Flow还引入了高级API tf.losses、tf.metrics以及tf.layers模块。
更适用于生产环境: –
Tensor Flow面向多种不同语言提供API选项以构建并执行Tensor Flow图形，但其中Python API的易用性最为出色。Tensor Flow 1.0版本中包含的Python AIP能够提供更理想的稳定性，同时能够在无需破坏现有代码的前提下轻松添加新功能。目前Tensor Flow 1.0提供API的受支持语言包括Python、C++、Java以及Go。
标签： isp seo 安全 代码 谷歌 互联网 搜索 网络 问题 选择 用户
版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com
特别注意：本站所有转载文章言论不代表本站观点！
本站所提供的图片等素材，版权归原作者所有，如需使用，请与原作者联系。
