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。
image
Object Detection
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
