7月24日消息，去年谷歌對外發(fā)布了TensorFlow對象檢測API，自那以后谷歌不斷為其添加著新特性，例如通過神經(jīng)架構(gòu)搜索獲得的模型、實例分段支持以及在新數(shù)據(jù)集上訓(xùn)練的模型。

　　近日谷歌再一次更新了這個API的新特性，包含支持通過云TPU加速對象檢測模型的培訓(xùn)、通過加速推理改進(jìn)移動部署流程，并使用TensorFlow Lite格式輕松將模型導(dǎo)出到移動設(shè)備。

　　此前用戶需要花費大量時間來優(yōu)化參數(shù)和訓(xùn)練檢測模型，這次推出的模型屬于單發(fā)探測器(SSD)類架構(gòu)，這些架構(gòu)針對云TPU培訓(xùn)進(jìn)行了優(yōu)化。例如現(xiàn)在可以訓(xùn)練基于ResNet-50的RetinaNet模型，3.5小時內(nèi)在COCO數(shù)據(jù)集上實現(xiàn)35%的平均平均精度。

　　此外為了更好地支持移動和嵌入式設(shè)備的低延遲要求，谷歌提供的模型已與TensorFlow Lite進(jìn)行了兼容，TensorFlow Lite支持低延遲和小二進(jìn)制大小的設(shè)備內(nèi)機(jī)器學(xué)習(xí)推理，實現(xiàn)模型量化和本身的檢測特定操作。