TensorFlow Lite — это легкое решение, предоставляемое TensorFlow, для запуска моделей машинного обучения на мобильных устройствах и устройствах Интернета вещей. Когда интерпретатор TensorFlow Lite обрабатывает модель распознавания объектов с кадром с камеры мобильного устройства в качестве входных данных, выходные данные обычно включают в себя несколько этапов, чтобы в конечном итоге предоставить прогнозы относительно объектов, присутствующих на изображении.
Во-первых, входной кадр с камеры мобильного устройства передается в интерпретатор TensorFlow Lite. Затем интерпретатор предварительно обрабатывает входное изображение, преобразуя его в формат, подходящий для модели машинного обучения. Этот этап предварительной обработки обычно включает в себя изменение размера изображения в соответствии с входным размером, ожидаемым моделью, нормализацию значений пикселей и, возможно, применение других преобразований, специфичных для архитектуры модели.
Затем предварительно обработанное изображение передается через модель распознавания объектов в интерпретаторе TensorFlow Lite. Модель обрабатывает изображение, используя изученные параметры и архитектуру, для генерации прогнозов об объектах, присутствующих в кадре. Эти прогнозы обычно включают в себя такую информацию, как метки классов обнаруженных объектов, их расположение на изображении и оценки достоверности, связанные с каждым прогнозом.
После того как модель сделала прогнозы, интерпретатор TensorFlow Lite выводит эту информацию в структурированном формате, который может использоваться приложением, использующим модель. Эти выходные данные могут различаться в зависимости от конкретных требований приложения, но обычно включают обнаруженные классы объектов, ограничивающие рамки, очерчивающие объекты на изображении, и соответствующие оценки достоверности.
Например, если модель распознавания объектов обучена обнаруживать общие объекты, такие как автомобили, пешеходы и дорожные знаки, выходные данные интерпретатора TensorFlow Lite могут включать такие прогнозы, как «автомобиль» с ограничивающей рамкой, указывающей местоположение автомобиля в изображение и показатель достоверности, указывающий на уверенность модели в предсказании.
Выходные данные интерпретатора TensorFlow Lite для модели машинного обучения распознавания объектов, обрабатывающей кадр с камеры мобильного устройства, включают предварительную обработку входного изображения, передачу его через модель для вывода и предоставление прогнозов об объектах, присутствующих на изображении, в структурированном формате. подходит для дальнейшей обработки приложением.
Другие недавние вопросы и ответы, касающиеся Основы EITC/AI/TFF TensorFlow:
- Как можно использовать слой внедрения для автоматического назначения правильных осей для графика представления слов в виде векторов?
- Какова цель максимального объединения в CNN?
- Как процесс извлечения признаков в сверточной нейронной сети (CNN) применяется для распознавания изображений?
- Необходимо ли использовать функцию асинхронного обучения для моделей машинного обучения, работающих в TensorFlow.js?
- Каково максимальное количество слов в API TensorFlow Keras Tokenizer?
- Можно ли использовать API TensorFlow Keras Tokenizer для поиска наиболее часто встречающихся слов?
- Что такое ТОКО?
- Какова связь между количеством эпох в модели машинного обучения и точностью прогноза при запуске модели?
- Создает ли API соседей пакета в нейронном структурированном обучении TensorFlow расширенный набор обучающих данных на основе данных естественного графа?
- Что такое API соседей пакета в нейронном структурированном обучении TensorFlow?
Посмотреть больше вопросов и ответов в EITC/AI/TFF TensorFlow Fundamentals