原作者: Amit Shekhar

链接: https://afteracademy.com/blog/android-tensorflow-lite-machine-learning-example

利用TensorFlow Lite库进行目标检测

TensorFlow Lite是TensorFlow针对移动设备的轻量级解决方案。
TensorFlow Lite优点:

  • TensorFlow Lite支持低延迟的设备上机器学习推断。因此速度很快。
  • TensorFlow Lite采用较小的二进制大小。因此适合移动设备。
  • TensorFlow Lite还支持Android神经网络API的硬件加速。

TensorFlow Lite使用许多技术来实现低延迟,例如:

  • 为移动应用程序优化内核。
  • 预融合激活。
  • 允许更小更快(定点数学)模型的量化内核。

如何在Android应用程序中使用TensorFlow Lite?

使用TensorFlow Lite时最重要的技巧是准备不同于常规TensorFlow模型的模型(.tflite)。
为了使用TensorFlow Lite运行模型,必须将模型转换为TensorFlow Lite接受的模型(.tflite)。从这里开始按步骤走。
现在,您将拥有模型(.tflite)和标签文件。您可以开始在Android应用程序中使用这些模型和标签文件来加载模型,并使用TensorFlow Lite库预测输出。
我已经创建了一个完整的运行示例应用程序,使用TensorFlow Lite进行对象检测。在这里查看项目
Credit:分类器示例取自Google TensorFlow示例。

示例应用程序-对象检测示例
Android TensorFlow Lite机器学习示例_第1张图片
Object Detection

完整的项目github链接

PS:我是黑胡桃实验室社区的一名成员,最近经常在看一些老外做的有趣的人工智能项目,如果有兴趣或疑问可以在评论区留言或私信与我交流^μ^