基于TensorFlow算法的物体识别

交互领域多技术的要求提升了对智能化技术的需求。无论是光点识别，动作捕捉，语音识别，还是基于深度学习算法的物体分类识别，使得设备的促发机制可以更“智能”，并且加上数据算法的处理，可实现对海量数据的智能分析归类。


  计算机视觉技术支撑：谷歌TensorFlow API


  目前有很多种图像识别的方案，而 Google 发布其最新的 TensorFlow 物理检测接口（Object Detection API），使计算机视觉无处不在。Google 的产品通常都是黑科技，TensorFlow能非常方便地在多种架构下实现深度学习算法，准确进行物体分类识别。

   对于业内人士而言，API的妙处总所周知。它以能够全面适配不同芯片和系统的接口能力，为需求方提供接口，仅需一串接口的代码，即可完成对该服务的对接。谷歌以API发布其TensorFlow服务，最大程度的体现了谷歌开放的精神。目前它提供的视觉认知服务，是基于卷积神经网络深度学习算法，采用Google前沿的TensorFlow开源框架实现物体分类检测；目前已达到60多个物体分类检测之多，其中包括人形、动物、车辆检测识别等，甚至可识别各类标志检测。

  作为开放的计算机视觉服务，开发者将面临两方面的考验。它既需要考虑方案商的成本与技术难度，又需兼顾终端用户的使用体验。如何破局？


  首先，它全面开放并提供标准RESTful API服务，方案商调用该视觉认知的API接口，最快半小时即可完成开发应用，缩短开发周期；其次，开放的API接口将全面适配市面上主流芯片或系统，包括海思、智源、富汉、国科、全志、瑞星微、ＭＴＫ、高通芯片组与UCOS、RTOS、LINUX、WINDOWS、IOS、ANDROID系统。也就说不管服务的应用载体是什么芯片都适配，仅需开发1次即可。而3张/秒的识别响应能力、98%以上的检测准确率、可个性化定制的60余种，从响应速度，准确率，个性化三个维度综合之后，将为用户体验带来一定幅度的提升。